Реализация искусственной нейронной сети
Состав работы
|
|
|
|
Работа представляет собой zip архив с файлами (распаковать онлайн), которые открываются в программах:
- Microsoft Word
Описание
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 экзотикой. В последние годы разработки в этой области представляют большой интерес не только для учёного света, но и для практичных людей. Областей их применения множество. Это автоматизация процессов распознавания образов, адаптивное управление, аппроксимация функционалов, прогнозирование, создание экспертных систем, организация ассоциативной памяти и многие другие приложения.
При решении задачи выделения хроматографических пиков из их суперпозиции искусственные нейронные сети дают более точные результаты, чем методы статистики. Выделение производится путём прогнозирования фронта пика, скрытого из-за суперпозиции с соседним, на основании открытой части пика.
Целью данной работы является программная реализация искусственной нейросети, которая обеспечит разделение пиков на хроматограмме.
2 Теоретическое обоснование
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 экзотикой. В последние годы разработки в этой области представляют большой интерес не только для учёного света, но и для практичных людей. Областей их применения множество. Это автоматизация процессов распознавания образов, адаптивное управление, аппроксимация функционалов, прогнозирование, создание экспертных систем, организация ассоциативной памяти и многие другие приложения.
При решении задачи выделения хроматографических пиков из их суперпозиции искусственные нейронные сети дают более точные результаты, чем методы статистики. Выделение производится путём прогнозирования фронта пика, скрытого из-за суперпозиции с соседним, на основании открытой части пика.
Целью данной работы является программная реализация искусственной нейросети, которая обеспечит разделение пиков на хроматограмме.
2 Теоретическое обоснование
Другие работы
Феномен продукции Apple в России
alfFRED
: 24 октября 2013
Введение
История создания феномена
Apple в условиях современного рынка. Эволюция, развитие.
Заключение
Список литературы
10 руб.
Технологический расчет ректификационной колонны.
Laguz
: 27 ноября 2023
Чертеж сделан в автокад 2007.15 вариант
50 руб.
Лабораторная работа №3 по дисциплине: Человеко-машинное взаимодействие. Вариант №8
SibGOODy
: 15 сентября 2018
Задание
3.1. Провести анализ GOMS интерфейса программы (по вариантам) на примере одной репрезентативной задачи.
Вариант 8: «Задача о центре тяжести».
3.2. Провести анализ GOMS выполнения следующей задачи:
Вариант 8: Microsoft Word: набор текста x2 = 5*y
250 руб.
Курсовая работа по дисциплине: Теория языков программирования и методы трансляции. вариант 02
IT-STUDHELP
: 15 мая 2022
Задание:
Написать программу для автоматического построения регулярной грамматики (леволинейной или праволинейной) по словесному описанию языка.
Вход программы: алфавит языка, обязательные начальная и конечная подцепочки, тип грамматики (ЛЛ либо ПЛ), 2 числа – диапазон длин для генерации цепочек.
Выход: построенная грамматика (все 4 элемента), результат генерации цепочек.
Подробно:
Язык задан своим алфавитом, обязательной начальной и конечной подцепочками, которые должны присутствовать во всех
900 руб.