Аппроксимация функции с использованием нейронных сетей
Состав работы
|
|
|
|
Работа представляет собой zip архив с файлами (распаковать онлайн), которые открываются в программах:
- Microsoft Word
Описание
Введение
1 Теоретические сведения
2 Методика выполнения лабораторной работы
3 Контрольные вопросы
Заключение
Список использованных источников
Введение
Цель лабораторной работы:
Научиться использовать нейронные сети для аппроксимации функции.
Задание: В среде Matlab необходимо построить и обучить нейронную сеть для аппроксимации таблично заданной функции , i=1,20. Разработать программу, которая реализует нейросетевой алгоритм аппроксимации и выводит результаты аппроксимации в виде графиков.
1 Теоретические сведения
Понятие искусственного нейрона и искусственных нейронных сетей. Под искусственными нейронными сетями подразумеваются вычислительные структуры, которые моделируют простые биологические процессы, обычно ассоциируемые с процессами человеческого мозга. Они представляют собой распределенные и параллельные системы, способные к адаптивному обучению путем анализа положительных и отрицательных воздействий. Элементарным преобразователем в данных сетях является искусственный нейрон или просто нейрон, названный так по аналогии с биологическим прототипом. К настоящему времени предложено и изучено большое количество моделей нейроноподобных элементов и нейронных сетей.
1 Теоретические сведения
2 Методика выполнения лабораторной работы
3 Контрольные вопросы
Заключение
Список использованных источников
Введение
Цель лабораторной работы:
Научиться использовать нейронные сети для аппроксимации функции.
Задание: В среде Matlab необходимо построить и обучить нейронную сеть для аппроксимации таблично заданной функции , i=1,20. Разработать программу, которая реализует нейросетевой алгоритм аппроксимации и выводит результаты аппроксимации в виде графиков.
1 Теоретические сведения
Понятие искусственного нейрона и искусственных нейронных сетей. Под искусственными нейронными сетями подразумеваются вычислительные структуры, которые моделируют простые биологические процессы, обычно ассоциируемые с процессами человеческого мозга. Они представляют собой распределенные и параллельные системы, способные к адаптивному обучению путем анализа положительных и отрицательных воздействий. Элементарным преобразователем в данных сетях является искусственный нейрон или просто нейрон, названный так по аналогии с биологическим прототипом. К настоящему времени предложено и изучено большое количество моделей нейроноподобных элементов и нейронных сетей.
Другие работы
Организация хранения товаров аптечного ассортимента. Основные принципы хранения
Elfa254
: 19 декабря 2013
В 1991 г. правительством РФ было принято решение о либерализации оптовых цен. Вслед за этим последовало решение о либерализации розничных цен и был подписан приказ министра здравоохранения и медицинской промышленности РФ о праве юридического лица для распределительной сети учреждениям оптового и розничного звена. Кроме того, в том же 1992 г. постановлением правительства РФ и приказом Министерства здравоохранения РФ была создана структура разрешительной системы с выдачей лицензии на право произво
5 руб.
Охрана и оборона железнодорожных мостов в районе внутреннего вооруженного конфликта
Slolka
: 9 марта 2014
Введение 3 – 4
Глава 1. Охрана и оборона железнодорожных мостов в районе внутреннего вооруженного конфликта
5 - 22
1.1. Порядок приема под охрану и оборону железнодорожных мостов 5 – 12
1.2. Рекогносцировка железнодорожного моста, как
жизненно-важного объекта и объектов коммуникаций
13- 14
1.3. Организация системы охраны и построения
обороны железнодорожного моста. Разработка и оформление плана охраны и обороны объектов. Боевой расчет караула по охране и обороне железнодорожного моста
15 – 22
Архитектура вычислительных систем
DreamO
: 4 января 2016
Написать программу параллельного перемножения двух матриц используя библиотеку Ореn MP и разобрать технологию этой библиотеки.
100 руб.
Формирование и развитие восточноевропейских широколиственных лесов в голоцене
Aronitue9
: 11 марта 2013
Введение
После опубликования классической работы М.И. Нейштадта (1957) по истории растительности бывшего СССР в голоцене накоплен большой фактический материал, включающий результаты спорово-пыльцевых спектров и анализа макроостатков растений. Появление большого количества новых данных (Хотинский, 1977; Хмелев, 1979; Девятова, 1986; Кожаринов, 1994; Елина и др., 1996; Кременецкий и др., 1996; и др.), особенно в пределах европейской части бывшего СССР, позволило заново вернуться к проблеме формиро
5 руб.