.
.
Портал искусственного интеллекта
.
.
.
.
.
.
 
Карта сайта Портал искусственного интеллекта  -  Каталог статей  -  Нейронные сети :: 3 часть  
 

Нашли ошибку?

Нашли ошибку?

Нет ничего проще: выделите текст с ошибкой, нажмите CTRL+ENTER и мы уже знаем о ней!

Партнерство

Хотите стать партнером?

Присылайте свои предложения и мы обязательно рассмотрим их

Написать нам

Есть интересная информация?

Пишите нам и мы разместим ее на страницах портала искусственного интеллекта

Нейронные сети

первая | пред. | 1 2 
. Методы ускорения обучения нейронной сети. Скорость обучения
  Алгоритм обратного распространения ошибки является одним из методов обучения многослойных нейронных сетей прямого распространения. Сегодня нейронные сети успешно используются при решении сложных практических задач. В классическом варианте алгоритма обратного распространения ошибки формула коррекции весовых коэффициентов, выглядит следующим образом...
. Режимы обучения на основе алгоритма обратного распространения ошибки
  В процессе обучения многослойного персептрона с применением алгоритма обратного распространения ошибки ему многократно предъявляется предопределенное множество обучающих примеров. Один полный цикл предъявления полного набора примеров обучения называют эпохой. Процесс обучения проводится от эпохи к эпохе, пока синаптические веса и уровни порога не с...
. Пример решения задачи XOR - исключающего ИЛИ
  Часто, для того чтобы продемонстрировать ограниченные возможности однослойных персептронов при решении задач прибегают к рассмотрению так называемой проблемы XOR – исключающего ИЛИ. Суть задачи заключаются в следующем. Дана логическая функция XOR – исключающее ИЛИ. Это функция от двух аргументов, каждый из которых может быть нулем или единицей. О...
. Обеспечение инвариантности нейронной сети
  Инварианты (от лат. invarians – неизменяющийся) – это числа, алгебраические выражения и т.п., связанные с каким-либо математическим объектом и остающиеся неизменными при определенных преобразованиях этого объекта или системы отсчёта, в которой описывается объект. Рассмотрим следующие физические явления. Если исследуемый объект вращается, то соотв...
. Нейронные сети Кохонена
  Многослойные нейронные сети прямого распространения, для обучения которых, как правило, применяется алгоритм обратного распространения ошибки, можно охарактеризовать как базовые нейронные сети. Они успешно применяются при решении большого круга задач, но в некоторых областях либо их использование невозможно, либо просто неэффективно из-за очень дли...
. Обучение слоя Кохонена: нормализация входных данных
  Начальным (но не обязательным) этапом процесса обучения нейронной сети Кохонена является предварительная нормализация входных векторов. Это достигается за счет деления каждой компоненты входного вектора на длину самого вектора. Длина вектора находится извлечением квадратного корня из суммы квадратов всех компонент вектора. Все вышесказанное можно п...
. Обучение слоя Кохонена: настройка весовых коэффициентов
  Суть обучения нейронной сети Кохонена заключается в такой подстройке весов, при которой близкие входные векторы будут активировать один и тот же нейрон Кохонена. Обучение слоя Кохонена является самообучением, протекающим без учителя. В связи с этим трудно заранее сказать, какой именно нейрон Кохонена будет активироваться заданным входным вектором. ...
. Методы повышения эффективности обучения слоя Кохонена
  Рандомизация весов слоя Кохонена в классическом алгоритме обучения может породить серьезные проблемы при обучении, так как в результате ее весовые векторы распределяются равномерно по поверхности гиперсферы. Из-за того, что входные векторы, как правило, распределены неравномерно и имеют тенденцию группироваться на относительно малой части поверхнос...
первая | пред. | 1 2 
Новости
Участие в проекте по разработке гуманоидного робота NAO
 
.
Статистика посещений
.
. . .
.