Создан заказ №2347459
21 октября 2017
Нейронные сети с обратным распространением ошибок. Классификация десятичных цифр.
Как заказчик описал требования к работе:
предмет: АЛГОРИТМЫ И СТРУКТУРЫ ДАННЫХ.
Прикреплена методичка, где в принципе все описано, что нужно сделать и как оформить
Фрагмент выполненной работы:
Введение
Первые шаги в области искусственных нейронных сетей сделали в 1943 г. В.Мак-Калох (W.MCculloch) и В.Питс (W.Pitts). Они показали, что при помощи пороговых нейронных элементов можно реализовать исчисление любых логических функций. В 1957-1962 гг. Ф.Розенблатт предложил и исследовал модель нейронной сети, которую он назвал персептроном, результаты исследований он обобщил в книге “Принципы нейродинамики”. (работа была выполнена специалистами Автор 24) В 1969г. М.Минский и С.Пайперт опубликовали монографию “Персептроны”, в которой был дан математический анализ персептрона, и показали ограничения, присущие ему. Выводы из были довольно пессимистичными, и это сыграло негативную роль для дальнейшего развития исследований в области нейронных сетей. Работы в этой области были практически остановлены.
В 70-е годы появился ряд работ в области ассоциативной памяти. В 1982г. Д.Хопфилд дал анализ устойчивости нейронных сетей с обратными связями и предложил использовать их для решения задач оптимизации. Ряд авторов (Румельхарт, Хинтон, Уильямс) предложили алгоритм обратного распространения ошибки, который стал мощным средством для обучения многослойных нейронных сетей. В 1987г. под эгидой IEEE (Institute of Electrical and Electronic Engineer’s) проводится первая международная конференция в области нейронных сетей.
Приложения нейронные сетей охватывают самые разнообразные области интересов: распознавание образов, обработка зашумленных данных, дополнение образов, ассоциативный поиск, классификация, оптимизация, прогноз, диагностика, обработка сигналов, абстрагирование, управление процессами, сегментация данных, сжатие информации, сложные отображения, моделирование сложных процессов, машинное зрение, распознавание речи.
Метод обратного распространения ошибки - метод обучения многослойного перцептрона. Основная идея этого метода состоит в распространении сигналов ошибки от выходов сети к её входам, в направлении, обратном прямому распространению сигналов в обычном режиме работы.
Объектом данного исследования выступает алгоритм и структуры данных.
Цель данной работы – обучение алгоритма обратного распространения ошибки
При написаний данной курсовой работы ставились следующие задачи:
1. Провести обзор алгоритма обратного распространения ошибки;
2.Рассмотреть действия алгоритма обратного распространения ошибки;
3. Изучить применимость алгоритма;
4. Реализован алгоритм обратного распространения ошибкиПосмотреть предложения по расчету стоимости
Заказчик
заплатил
заплатил
500 ₽
Заказчик не использовал рассрочку
Гарантия сервиса
Автор24
Автор24
20 дней
Заказчик воспользовался гарантией, чтобы исполнитель повысил уникальность работы
24 октября 2017
Заказ завершен, заказчик получил финальный файл с работой
5
Нейронные сети с обратным распространением ошибок. Классификация десятичных цифр. .docx
2017-10-27 09:36
Последний отзыв студента о бирже Автор24
Общая оценка
5
Положительно
Автор молодец! Другие работы выполнил на отлично, жалко что не смог сделать по семейным обстоятельствам(
Хочешь такую же работу?
300 ₽
