Пособие содержит описание лабораторных исследований с целью изучения функциональных возможностей, методов обучения и областей практического использования нейронных сетей различных парадигм. Изложение материала построено так, чтобы обеспечить возможность самостоятельного выполнения лабораторных работ, оформления результатов исследований и самоконтроля знаний по основным теоретическим вопросам.
Предназначено для студентов и аспирантов, изучающих курс «Введение в теорию нейронных сетей», а также специалистов, желающих самостоятельно ознакомиться с теорией нейронных сетей и освоить нейросетевые технологии.
![Лабораторный практикум по курсу введение в теорию нейронных сетей, Мишулина О.А., Трофимов А.Г., Щербинина М.В., 2007 Лабораторный практикум по курсу введение в теорию нейронных сетей, Мишулина О.А., Трофимов А.Г., Щербинина М.В., 2007](/img/knigi/informatika/826/82615.jpg)
РАСПОЗНАВАНИЕ ОБРАЗОВ. ПЕРСЕПТРОН РОЗЕНБЛАТТА.
Цель и задачи лабораторной работы
Цель: исследование трех нейросетевых архитектур для решения задач классификации данных в трех различных постановках: классификация данных для дву х линейно разделимых классов (задача 1); классификация данных для нескольких (п > 2) попарно линейно разделимых классов (задача 2); классификация при наличии дву х линейно неразделимых классов (задача 3).
Все исследуемые в лабораторной работе архитектуры нейронных сетей построены на нейронах с биполярными активационными характеристиками. Такие нейроны в дальнейшем называются элементарными персептронами.
Первая из перечисленных выше задач решается с использованием единственного элементарного персептрона. обучаемого по адаптивному 5-правилу Уидроу - Хоффа.
Решение второй задачи достигается на двухслойной нейронной сети, в которой синаптические коэффициенты первого слоя настраиваются по правилу Уидроу - Хоффа, а второго слоя устанавливаются в соответствии с выполняемыми ими логическими функциями.
Для решения третьей задачи применяется метод Мезарда и На-дала. названный ими «черепичным» алгоритмом. Он предполагает конструирование многослойного персептрона путем наращивания слоев и нейронов в слоях, стартуя с единственного нейрона. Процесс роста сети завершается, когда достигается разделимость классов на данных обучающей выборки.
СОДЕРЖАНИЕ
Предисловие
Лабораторная работа 1
Математические модели искусственных нейронных сетей. Сеть Хемминга
Лабораторная работа 2
Распознавание образов. Персептрон Розенблатта
Лабораторная работа 3
Многослойные нейронные сети.
Метод обратного распространения ошибки
Лабораторная работа 4
Применение многослойных нейронных сетей
для решения прикладной задачи обработки данных
Лабораторная работа 5
Ассоциативная память. Сеть Хопфилда
Лабораторная работа 6
Самообучение нейронных сетей.
Кластеризация данных
Рекомендуемая литература.
Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Лабораторный практикум по курсу введение в теорию нейронных сетей, Мишулина О.А., Трофимов А.Г., Щербинина М.В., 2007 - fileskachat.com, быстрое и бесплатное скачивание.
Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу
Скачать - pdf - Яндекс.Диск.
Дата публикации:
Хештеги: #учебник по информатике :: #информатика :: #компьютеры :: #Мишулина :: #Трофимов :: #Щербинина
Смотрите также учебники, книги и учебные материалы:
Следующие учебники и книги:
- Информатика, 5 класс, Ривкинд И.Я., Лысенко Т.И., Черникова Л.А., Шакотько В.В., 2013
- Алгоритмы и исполнители, 5-6 класс, Поляков К.Ю., 2014
- Новейший самоучитель, Компьютер + Интернет 2013, Леонтьев В.П., 2013
- MATLAB для студента, Половко А.М., Бутусов П.Н., 2005
Предыдущие статьи:
- Моделирование объектов и систем, конспект лекций, Черно А.А., 2013
- Музыкальная информатика, теоретические основы, Харуто А.В., 2009
- Документирование программного обеспечения, В помощь техническому писателю, Панюкова Т.А., 2012
- Системы искусственного интеллекта, часть 2, Павлов С.Н., 2011