Очень доброжелательный и компетентный автор. Всегда был на связи, все разъяснил, предоставил несколько вариантов программы. Рекомендую.
Информация о работе
Подробнее о работе
Сравнительный анализ алгоритмов обучения нейронных сетей
- 33 страниц
- 2017 год
- 72 просмотра
- 4 покупки
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
В последние несколько лет мы наблюдаем взрыв интереса к нейронным сетям, которые успешно применяются в самых различных областях - бизнесе, медицине, технике, геологии, физике. Нейронные сети вошли в практику везде, где нужно решать задачи прогнозирования, классификации или управления. Такой впечатляющий успех определяется несколькими причинами. Богатые возможности. Нейронные сети – исключительно мощный метод моделирования, позволяющий воспроизводить чрезвычайно сложные зависимости. Простота в использовании. Нейронные сети учатся на примерах. Пользователь нейронной сети подбирает представительные данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных.
При этом от пользователя, конечно, требуется какой-то набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты, однако уровень знаний, необходимый для успешного применения нейронных сетей, гораздо скромнее, чем, например, при использовании традиционных методов статистики.
ВВЕДЕНИЕ 3
1. НЕЙРОННЫЕ СЕТИ 5
2. СТРУКТУРА НЕЙРОННОЙ СЕТИ 13
2.1. Структура простейшей НС 13
2.2. Объединение нейронов в нейронную сеть 14
2.3. Сети прямого распространения (персептроны) 15
2.4. Самоорганизующиеся карты Кохонена 17
2.5. Сети Хопфилда 19
3. ОБУЧЕНИЕ НЕЙРОННЫХ СЕТЕЙ 21
3.1. Методы обучения нейронных сетей 21
3.1.1. С учителем 22
3.1.2. Обучение с последовательным подкреплением знаний 22
3.1.3. Обучение без учителя 22
3.1.4. Детерминистские методы 22
3.1.5. Стохастические методы обучения 22
3.2. Правила обучения нейросетей 23
3.2.1. Правило Хебба ( D.Hebb): 23
3.2.2. ART - правило 23
3.2.3. Правило Кохонена 24
3.2.4. Больцмановское правило 25
4. АЛГОРИТМЫ ОБУЧЕНИЯ 27
4.1. Обучение сетей прямого распространения 27
4.2. Обучение сетей Кохонена (построение карт признаков) 28
4.3. Обучение сетей Хопфилда 29
5. СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ ОБУЧЕНИЯ НЕЙРОННЫХ СЕТЕЙ 31
СПИСОК ЛИТЕРАТУРЫ 33
Нейронные сети привлекательны с интуитивной точки зрения, ибо они основаны на примитивной биологической модели нервных систем. В будущем развитие таких нейробиологических моделей может привести к созданию действительно мыслящих компьютеров.
Области применения нейронных сетей весьма разнообразны — это распознавание текста и речи, семантический поиск, экспертные системы и системы поддержки принятия решений, предсказание курсов акций, системы безопасности, анализ текстов. В данной курсовой работе рассматривается пример использования нейронной сети для аппроксимации функции.
1. Мешалкин В.П. Экспертные системы в химической технологии. Основы теории, опыт разработки и применение. – М.: Химия, 1995.
2. Искусственный интеллект. – В 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Поспелова Д.А..-М.: Радио и связь, 1990.
3. Змитрович А.И. Интеллектуальные информационные системы. – Мн.: НТООО «ТетраСистеммс», 1997.
4. Черноруцкий И.Г. Методы оптимизации и принятия решений: Учеб. пособие. – СПб.: Изд «Лань», 2001.
5. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем. М.:Энергоатомиздат, 1991.
6. Асаи К., Ватада Д., Иваи С. и др. Прикладные нечеткие системы: Пер. с япон. – М.: Мир, 1993.
7. Прикладные нечеткие системы / Под ред. Т. Тэрано, М. Сугено. – М: мир, 1993.
8. Нейронные сети [электронный ресурс]: http://www.statsoft.ru/ textbook/modules/stneunet.html
9. Нейронные сети. Алгоритм обратного распространения [электронный ресурс]: http://ai.obrazec.ru/neur-2.html
10. Нейронные сети: обучение без учителя [электронный ресурс]: http://www.codenet.ru/progr/alg/ai/htm/gl3_4.php
11. Обучение нейронной сети [электронный ресурс]: http://www. aiportal.ru/articles/neural-networks/learning-neunet.html
12. Парадигмы обучения нейронных сетей [электронный ресурс]: http://apsheronsk.bozo.ru/Neural/Lec3.htm
13. Iris Data Set. The UCI Machine Learning Repository [Электронный ресурс]. – Режим доступа: http://archive.ics.uci.edu/ml/datasets/Iris (доступ свободный) – Загл. с экрана. – Яз. англ.
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
