Лабораторный практикум по курсу введение в теорию нейронных сетей, Мишулина О.А., Трофимов А.Г., Щербинина М.В., 2007


Книга Лабораторный практикум по курсу введение в теорию нейронных сетей, Мишулина О.А., Трофимов А.Г., Щербинина М.В., 2007

Лабораторный практикум по курсу введение в теорию нейронных сетей, Мишулина О.А., Трофимов А.Г., Щербинина М.В., 2007.
  Пособие содержит описание лабораторных исследований с целью изучения функциональных возможностей, методов обучения и областей практического использования нейронных сетей различных парадигм. Изложение материала построено так, чтобы обеспечить возможность самостоятельного выполнения лабораторных работ, оформления результатов исследований и самоконтроля знаний по основным теоретическим вопросам.
Предназначено для студентов и аспирантов, изучающих курс «Введение в теорию нейронных сетей», а также специалистов, желающих самостоятельно ознакомиться с теорией нейронных сетей и освоить нейросетевые технологии.

РАСПОЗНАВАНИЕ ОБРАЗОВ. ПЕРСЕПТРОН РОЗЕНБЛАТТА.
Цель и задачи лабораторной работы
Цель: исследование трех нейросетевых архитектур для решения задач классификации данных в трех различных постановках: классификация данных для дву х линейно разделимых классов (задача 1); классификация данных для нескольких (п > 2) попарно линейно разделимых классов (задача 2); классификация при наличии дву х линейно неразделимых классов (задача 3).
Все исследуемые в лабораторной работе архитектуры нейронных сетей построены на нейронах с биполярными активационными характеристиками. Такие нейроны в дальнейшем называются элементарными персептронами.
Первая из перечисленных выше задач решается с использованием единственного элементарного персептрона. обучаемого по адаптивному 5-правилу Уидроу - Хоффа.
Решение второй задачи достигается на двухслойной нейронной сети, в которой синаптические коэффициенты первого слоя настраиваются по правилу Уидроу - Хоффа, а второго слоя устанавливаются в соответствии с выполняемыми ими логическими функциями.
Для решения третьей задачи применяется метод Мезарда и На-дала. названный ими «черепичным» алгоритмом. Он предполагает конструирование многослойного персептрона путем наращивания слоев и нейронов в слоях, стартуя с единственного нейрона. Процесс роста сети завершается, когда достигается разделимость классов на данных обучающей выборки.
СОДЕРЖАНИЕ
Предисловие
Лабораторная работа 1
Математические модели искусственных нейронных сетей. Сеть Хемминга
Лабораторная работа 2
Распознавание образов. Персептрон Розенблатта
Лабораторная работа 3
Многослойные нейронные сети.
Метод обратного распространения ошибки
Лабораторная работа 4
Применение многослойных нейронных сетей
для решения прикладной задачи обработки данных
Лабораторная работа 5
Ассоциативная память. Сеть Хопфилда
Лабораторная работа 6
Самообучение нейронных сетей.
Кластеризация данных
Рекомендуемая литература.

Рейтинг: 4.8 баллов / 2537 оценок
Формат: Книга
Уже скачали: 12764 раз



Похожие Книги

Нам показалось, что Книги ниже Вас заинтересуют не меньше. Эти издания Вы так же можете скачивать и читать совершенно бесплатно на сайте!


Вы не зарегистрированы!

Если вы хотите скачивать книги, журналы и аудиокниги бесплатно, без рекламы и без смс, оставлять комментарии и отзывы, учавствовать в различных интересных мероприятиях, получать скидки в книжных магазинах и многое другое, то Вам необходимо зарегистрироваться в нашей Электронной Библиотеке.

Отзывы читателей


Ой!

К сожалению, в нашей Бесплатной Библиотеке пока нет отзывов о Книге Лабораторный практикум по курсу введение в теорию нейронных сетей, Мишулина О.А., Трофимов А.Г., Щербинина М.В., 2007. Помогите нам и другим читателям окунуться в сюжет Книги и узнать Ваше мнение. Оставьте свой отзыв или обзор сейчас, это займет у Вас всего-лишь несколько минут.