Написать рефераты, курсовые и дипломы самостоятельно.  Антиплагиат.
Студенточка.ru: на главную страницу. Написать самостоятельно рефераты, курсовые, дипломы  в кратчайшие сроки
Рефераты, курсовые, дипломные работы студентов: научиться писать  самостоятельно.
Контакты Образцы работ Бесплатные материалы
Консультации Специальности Банк рефератов
Карта сайта Статьи Подбор литературы
Научим писать рефераты, курсовые и дипломы.


Воспользуйтесь формой поиска по сайту, чтобы найти реферат, курсовую или дипломную работу по вашей теме.

Поиск материалов

Нейронные сети

Математические аспекты построения нейросетевых моделей сложных экономических моделей в условиях неопределенности
Понятие и виды наследования

Описание предмета: «Нейронные сети»

Искусственная нейронная сеть — это математическая модель, а также устройства параллельных вычислений, представляющие собой систему из соединенных и взаимодействующих между собой простых процессоров (искусственных нейронов).

Такие процессоры обычно исключительно просты, особенно в сравнении с процессорами, используемыми в персональных компьютерах.

Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие локально простые процессоры вместе способны выполнять довольно сложные задачи.

Понятие возникло при изучении процессов, протекающих в мозге при мышлении, и при попытке смоделировать эти процессы. Полученные модели называются искусственными нейронными сетями (ИНС).

Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения -— одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами.

Разработчикам решения на основе нейронной сети требуется: выбрать соответствующую модель сети; определить топологию сети (число элементов и их связи); указать параметры обучения.

Наиболее известным типом ИНС является персептрон. Доказано, что при нелинейной функции в нейроне могут быть подобраны коэффициенты связей так, что сеть может моделировать любую функцию. Для персептрона общепринятым является обучение методом обратного распространения ошибки. ИНС применяют при следующих классах задач: классификация данных, распознавание образов, предсказание временных рядов. Абсолютно точный ответ с помощью ИНС получить невозможно — например, бессмысленно решать таблицу умножения. Но есть задачи, нерешаемые другим путем — например предсказание курса акций (много параметров, сложные зависимости). ИНС позволит найти зависимость выходных данных (курс акции) от входных (предыдущий курс, время года и т. д.). При решении таких задач самым важным является подбор данных и их подготовка.

Области применения: Распознавание символов текста и других объектов, Распознавание речи, Управление движением транспортного средства и т. д., Классификация ситуаций, Краткосрочный прогноз.

[Материал из Википедии]

Образцы работ

Тема и предметТип и объем работы
Технологии искусственного интеллектаРеферат
24 стр.



Задайте свой вопрос по вашей проблеме

Гладышева Марина Михайловна

marina@studentochka.ru
+7 911 822-56-12
с 9 до 21 ч. по Москве.

Внимание!

Банк рефератов, курсовых и дипломных работ содержит тексты, предназначенные только для ознакомления. Если Вы хотите каким-либо образом использовать указанные материалы, Вам следует обратиться к автору работы. Администрация сайта комментариев к работам, размещенным в банке рефератов, и разрешения на использование текстов целиком или каких-либо их частей не дает.

Мы не являемся авторами данных текстов, не пользуемся ими в своей деятельности и не продаем данные материалы за деньги. Мы принимаем претензии от авторов, чьи работы были добавлены в наш банк рефератов посетителями сайта без указания авторства текстов, и удаляем данные материалы по первому требованию.

Контакты
marina@studentochka.ru
+7 911 822-56-12
с 9 до 21 ч. по Москве.
Поделиться
Мы в социальных сетях
Реклама



Отзывы
Марина, 29.06
Всё, защитилась на 5. Спасибо большое)!