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.

  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.




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.




Теги: учебник по информатике :: информатика :: компьютеры :: Мишулина :: Трофимов :: Щербинина