Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6
Состав работы
|
|
|
|
Работа представляет собой rar архив с файлами (распаковать онлайн), которые открываются в программах:
- Microsoft Word
Описание
М.: ДИАЛОГ-МИФИ, 2001. - 630 с. - (Пакеты прикладных программ; Кн. 4). ISBN 5-86404-144-0 (Кн. 4)
В книге содержится описание пакета прикладных программ Neural Network Toolbox (ППП NNT) версии 4 (выпуски 11 и 12), функционирующего под управлением ядра системы MATLAB версий 5.3 и 6.
Книга состоит из двух частей. Первая часть содержит теорию и описание различных типов нейронных сетей; вторая – включает справочный материал, связанный с описанием М-функций пакета.
Рассмотрено 15 типов нейронных сетей, для каждой из которых описана архитектура, методы адаптации, обучения и настройки параметров. Показано применение нейронных сетей для решения прикладных задач фильтрации и предсказания сигналов, подавления шумов, распознавания образов, построения систем управления.
Приведено полное описание вычислительной модели нейронной сети в виде массива записей. Архитектура нейронной сети представлена ее S-моделью, которая воспроизводится с помощью системы SIMULINK. Пакет программ дополнен библиотекой Neural Network Toolbox Block Library, содержащей блоки, необходимые для формирования S-модели нейронной сети.
Большое количество вспомогательных графических функций помогает пользователю создавать наглядные проекты нейронных сетей для различных приложений.
Книга предназначена для инженеров, научных работников, аспирантов и студентов, занимающихся созданием технических систем на основе нейронных сетей и использующих в своей практике современные вычислительные инструменты и средства прикладного программирования.
В ФОРМАТЕ .DOC ВСЕ ИЛЛЮСТРАЦИИ ЧЕТКИЕ, ТОЛЬКО НЕМНОГО СБИЛАСЬ НУМЕРАЦИЯ СТРАНИЦ
В книге содержится описание пакета прикладных программ Neural Network Toolbox (ППП NNT) версии 4 (выпуски 11 и 12), функционирующего под управлением ядра системы MATLAB версий 5.3 и 6.
Книга состоит из двух частей. Первая часть содержит теорию и описание различных типов нейронных сетей; вторая – включает справочный материал, связанный с описанием М-функций пакета.
Рассмотрено 15 типов нейронных сетей, для каждой из которых описана архитектура, методы адаптации, обучения и настройки параметров. Показано применение нейронных сетей для решения прикладных задач фильтрации и предсказания сигналов, подавления шумов, распознавания образов, построения систем управления.
Приведено полное описание вычислительной модели нейронной сети в виде массива записей. Архитектура нейронной сети представлена ее S-моделью, которая воспроизводится с помощью системы SIMULINK. Пакет программ дополнен библиотекой Neural Network Toolbox Block Library, содержащей блоки, необходимые для формирования S-модели нейронной сети.
Большое количество вспомогательных графических функций помогает пользователю создавать наглядные проекты нейронных сетей для различных приложений.
Книга предназначена для инженеров, научных работников, аспирантов и студентов, занимающихся созданием технических систем на основе нейронных сетей и использующих в своей практике современные вычислительные инструменты и средства прикладного программирования.
В ФОРМАТЕ .DOC ВСЕ ИЛЛЮСТРАЦИИ ЧЕТКИЕ, ТОЛЬКО НЕМНОГО СБИЛАСЬ НУМЕРАЦИЯ СТРАНИЦ
Похожие материалы
Нейронные сети синергия ответы (Нечеткая логика и нейронные сети)
h1h1zabaykalka
: 11 января 2024
Нечеткая логика и нейронные сети ответы экзамен Синергия.
Нейронные сети магистратура Синергия ответы.
190 руб.
Нейрокомпьютеры и нейронные сети
Aronitue9
: 19 мая 2012
Содержание
Введение…………………………………………………………………………...3
1. Нейронные сети………………………………………………………………...4
1.1 Задачи для нейронных сетей………………………………………………8
1.2 Истинные преимущества нейронных сетей 12
2. Нейрокомпьютеры 14
2.1 История нейрокомпьютеров……………………………………………...16
2.2 Преимущества и недостатки нейрокомпьютеров……………………….18
2.3 Практическое применение 19
Заключение 22
Список литературы 24
Термин «нейронные сети» у многих ассоциируется с фантазиями об андроидах и бунте роботов
20 руб.
Гималайский медведь
Slolka
: 23 августа 2013
На протяжении всей истории, начиная со времени наших доисторических предков, медведи зачаровывали, развлекали человека, наводили на него страх, а потому были окружены определенной таинственностью. И для этого всегда имелось достаточно оснований.
Медведь сам по себе олицетворяет тайну дикости. Порой медведи передвигаются бесшумно, как призраки, и могут спрятаться так хорошо, что человек, вторгшийся в их царство, не в состоянии их обнаружить. В порыве ярости или в азарте игры они могут ломиться ск
10 руб.
Основы нейронных сетей. Синергия.Тест
ProF3206
: 16 февраля 2023
Основы нейронных сетей. Синергия.Тест. 22 вопроса. 2023 год. Перед покупкой убедитесь что вопросы вам подходят.
1. При прямом проходе через Feed Forward Neural Network:
2. Архитектура полносвязной нейронные сети основана на идее
3. Начальная инициализация весов нейросети:
4. Лучший способ борьбы с переобучением:
5. Наиболее популярный на текущий момент метод оптимизации, основанный на идее использования двух моментных членов, предложенный в 2015 году:
6. Обучение с учителем характеризуется
7. Г
200 руб.
Реализация искусственной нейронной сети
VikkiROY
: 10 ноября 2012
Программная для разделения хроматографических пиков.
1 Необходимость
Одной из актуальных проблем в хроматографии является выделение пиков из их суперпозиции для более точного расчёта площади каждого из них.
Существует множество статистических методов решения этой задачи (метод наименьших квадратов, метод главных компонент и т. д.). Но в настоящее время наиболее интересен подход с использованием в этой области искусственных нейронных сетей (ИНС).
Искусственные нейронные сети перестают быть экзоти
10 руб.
Нейронные сети с радиальными базисными функциями
Elfa254
: 5 октября 2013
Цель лабораторной работы: освоить основные принципы решения задачи нейронных сетей с радиальными базисными функциями.
Задание: Используя встроенные функции пакета нейронных сетей математической среды Matlab, построить нейронную сеть с радиальными базисными функциями.
1 Теоретические сведения
Сети РБФ имеют ряд преимуществ перед рассмотренными многослойными сетями прямого распространения. Во-первых, они моделируют произвольную нелинейную функцию с помощью всего одного промежуточного слоя
20 руб.
Аппроксимация функции с использованием нейронных сетей
evelin
: 3 октября 2013
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 гра
5 руб.
Проект алгоритма обучения нейронных сетей
Aronitue9
: 31 мая 2012
Введение……………………………………………………………………3
Глава 1. Нейронные сети…………………………………………….…….5
1.1. Обучение нейронной сети………………………..……….……5
1.2. Методы ускорения обучения нейронной сети………………12
1.3. Области применения нейронных сетей………………………15
Глава 2. Создание и обучение нейронной сети…………………………19
2.1. Алгоритм обратного распространения ошибки…………..…19
2.2. Аппроксимация функции……………………………………..24
Заключение……………………………..………………………………..30
Список использованной литературы………….………………………..32
Цель работы – изу
55 руб.
Другие работы
Отчет по учебной практике на ООО "Астраханский консервный комбинат"
OstVER
: 30 января 2013
Содержание:
Введение.
Цели и задачи практики.
Дневник.
Характеристика деятельности предприятия.
Организационно–правовая форма.
Основной ассортимент выпускаемой продукции.
Технологическая часть.
Технологические схемы. Виды поступающего сырья.
Технохимическая характеристика сырья.
Режимы хранения сырья.
Характеристика изменения сырья и полуфабрикатов по отдельным стадиям.
Сортировка.
Мойка.
Очистка.
Резка.
Обжарка.
Разваривание.
Приготовление икры.
Фасование и укупорка.
Стерилизация.
Контроль прои
5 руб.
Космические и наземные системы передачи
Сергей2429
: 27 марта 2016
контрольная 30 вариант
1. Определить число пролетов
2. Построить профиль пролетов
3. Привести краткую характеристику используемой аппаратуры
4. Рассчитать качественные показатели ЦРРЛ: , , ,
Исходные данные:
Тип аппаратуры : «Радан-МС»
Диапазон частот, ГГц : 11 ГГц;
Мощность сигнала на выходе прд, дБВт : -11 дБВт;
Пороговый уровень сигнала, дБВт : -121 дБВт;
Диаметр антенны, м : 0,5 м;
Число рабочих стволов : 1;
Конфигурация системы: (1 + 1);
Скорость передачи информации в одном стволе
500 руб.
Анализ методов прогнозирования и моделирование нейронных сетей для прогнозирования стоимости недвижимости
Elfa254
: 9 ноября 2013
ВВЕДЕНИЕ
Переход к рыночным отношениям в экономике и научно-технический прогресс чрезвычайно ускорили темпы внедрения во все сферы социально-экономической жизни общества последних научных разработок в области информационных технологий. Достижение Украиной высоких результатов в экономике и завоевание места полноправного партнера в мировой экономической системе в значительной степени зависит от того, каковы будут масштабы использования современных информационных технологий во всех аспектах челове
10 руб.
Основы оптической связи (часть 2-я). Вариант №05
IT-STUDHELP
: 3 декабря 2021
Задача 2
Определить затухание, дисперсию, полосу пропускания и максимальную скорость передачи двоичных импульсов в волоконно-оптической системе с длиной секции L (км), километрическим затуханием (дБ/км) на длине волны излучения передатчика 0 (мкм), ширине спектра излучения 0,5 (нм) на уровне половины максимальной мощности излучения. Данные для задачи приведены в табл.2.1 и 2.2. Определить мощность оптического излучения в волокне на выходе секции, если на входе подключен оптический генератор с
680 руб.