Проект алгоритма обучения нейронных сетей
Состав работы
|
|
|
|
Работа представляет собой rar архив с файлами (распаковать онлайн), которые открываются в программах:
- Microsoft Word
Описание
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 – изучение алгоритмов обучения нейронных сетей.
Для достижения поставленной цели в работе поставлены следующие задачи:
1. Описать алгоритмы обучения нейронных сетей.
2. Рассмотреть методы ускорения обучения нейронной сети.
3. Изучить области применения нейронных сетей.
4. Рассмотреть алгоритм обратного распространения ошибки.
5. Реализовать алгоритм обратного распространения ошибки на примере аппроксимации функции.
Объектом исследования являются нейронные сети.
Предмет – алгоритмы обучения нейронной сети.
Практической значимостью работы является возможность использования обученных нейронных сетей для решения различных задач.
Структура работы и объем работы определяется целью и основными задачами исследования. Курсовая работа состоит из введения, двух глав, заключения и списка использованной литературы. Текст работы изложен на 33 страницах текста.
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 – изучение алгоритмов обучения нейронных сетей.
Для достижения поставленной цели в работе поставлены следующие задачи:
1. Описать алгоритмы обучения нейронных сетей.
2. Рассмотреть методы ускорения обучения нейронной сети.
3. Изучить области применения нейронных сетей.
4. Рассмотреть алгоритм обратного распространения ошибки.
5. Реализовать алгоритм обратного распространения ошибки на примере аппроксимации функции.
Объектом исследования являются нейронные сети.
Предмет – алгоритмы обучения нейронной сети.
Практической значимостью работы является возможность использования обученных нейронных сетей для решения различных задач.
Структура работы и объем работы определяется целью и основными задачами исследования. Курсовая работа состоит из введения, двух глав, заключения и списка использованной литературы. Текст работы изложен на 33 страницах текста.
Похожие материалы
Проект алгоритмов обучения нейронных сетей. Алгоритм обучения без учителя. Примеры применений
Aronitue9
: 31 мая 2012
Содержание
Введение …………………………………………………………………………………….3
1. Введение в нейронные сети …………………………………………………..4
2. Обучение нейронных сетей ……………………………………………………7
3. Алгоритмы обучения сетей ……………………………………………………10
4. Нейронные сети: обучение без учителя ………………………………...34
Заключение ………………………………………………………………………………..44
Литература ………………………………………………………………………………...45
Приложение ……………………………………………………………………………….46
В статье рассмотрены алгоритмы обучения искусственных нейронных сетей без учителя. Приведена
55 руб.
Другие работы
Монтаж железобетонных конструкций одноэтажного промышленного здания
Elfa254
: 8 июня 2013
Одноэтажное промышленное здание, 2-ух секционное, бескрановое, длина пролета - 72,0 м. Высота от пола до низа стропильной конструкции – 8,4 м, шаг крайних колонн – 6 м, шаг средних колонн – 6 м, шаг стропильных конструкций - 6 м.
1. Задание (исходные данные) 3
2. Определение количества монтажных элементов, объемов работ 3
3. Выбор строповочных и монтажных приспособлений. 7
4. Выбор монтажных кранов. 10
6. Калькуляция трудовых затрат и заработной платы. 14
7. Технико-экономические показатели. 16
45 руб.
Расчет технологического процесса получения детали "Крепление"
Aronitue9
: 30 января 2015
1 Введение ………………………………………………………………………………………………………. 1
2 Данные по детали ……………………………………………………….………..………………………2
3 Варианты изготовления детали ………..………………………………….………………………3
4 Материал изготовления детали……….……………………………………………….…………. 6
5 Литьё в песчано-глинистые формы ………………………………………………………….…10
5.1 Технологический процесс получения отливок в печано-глинистых формах………………………………………………………….……………………………………….…….….10
5.2 Литье в песчано-глинистые формы ……………………………………………….…..11
5.3 Обоснов
48 руб.
Тепломассообмен СЗТУ Задача 2 Вариант 39
Z24
: 30 января 2026
Железобетонная дымовая труба внутренним диаметром 800 мм и наружным диаметром 1300 мм должна быть футерована внутри огнеупором.
Определить толщину футеровки и температуру наружной поверхности трубы из условий, чтобы тепловые потери с одного погонного метра трубы не превышали ql, а температура внутренней поверхности трубы не должна превышать t2. Температура внутренней поверхности футеровки t1. Коэффициент теплопроводности футеровки λ1=0,838+0,001t, Вт/(м·К), коэффициент теплопроводности бетона
150 руб.
Основы визуального программирования. Контрольная работа. Вариант №3.
SibGUTI2
: 23 марта 2016
Контрольная работа
Задание на контрольную работу:
1. Создать базу данных (БД), состоящую из 2-х заданных таблиц. Поля таблиц произвольные, но не менее четырех полей в каждой таблице, включая ключевое поле (поле типа +(Autoincrement)). В таблицу, которая при объединении будет подчиненной, необходимо включить поле, по которому эта таблица будет связана с первичным ключом главной таблицы (в рассматриваемом здесь примере это поле NFcl таблицы grp2).
2. Разработать Приложение для работы с БД, вып
100 руб.