Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 519728)
Консорциум Контекстум Информационная технология сбора цифрового контента
Уважаемые СТУДЕНТЫ и СОТРУДНИКИ ВУЗов, использующие нашу ЭБС. Рекомендуем использовать новую версию сайта.
  Расширенный поиск
Результаты поиска

Нашлось результатов: 110281 (1,92 сек)

Свободный доступ
Ограниченный доступ
Уточняется продление лицензии
1

ПРИМЕНЕНИЕ НЕЙРОСЕТЕВОГО ПОДХОДА ПРИ ИНТЕРПРЕТАЦИИ КАРОТАЖНЫХ ДАННЫХ [Электронный ресурс] / Родина, Силкин // Вестник Воронежского государственного университета. Серия: Геология .— 2007 .— №2 .— С. 183-187 .— Режим доступа: https://rucont.ru/efd/515564

Автор: Родина

В статье приводятся результаты применения искусственных нейронных сетей (ИНС) для интерпретации данных геофизических исследований скважин (ГИС). Даются основные положения теории ИНС и сведения об опыте применения искусственного интеллекта в области ГИС. Производится описание используемых каротажных данных и методики их подготовки для работы с ИНС. Описывается методика обучения и применения сети

Персептроны могут объединяться в сети различным образом. <...> Самым распространенным их видом является многослойный персептрон (рис. 2). <...> Обучение персептрона является обучением с учителем. <...> Задача обучения персептрона: подобрать такие значения параметров сети, чтобы ошибка была минимальна для <...> Персептронный нейрон Рис. 2.

2

О ПРОГНОЗИРОВАНИИ ОСЛОЖНЕНИЙ ЯЗВЕННОЙ БОЛЕЗНИ НА ОСНОВЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ [Электронный ресурс] / Хасанов, Нуртдинов, Гололобов // Анналы хирургии .— 2016 .— №4 .— С. 12-15 .— Режим доступа: https://rucont.ru/efd/457256

Автор: Хасанов

Цель. Изучение возможности использования искусственных нейронных сетей в прогнозировании осложнений язвенной болезни

Для работы использовался персептрон, обучение которого происходило с помощью алгоритма back-propagation <...> Обучение персептрона происходило с помощью алгоритма обратного распространения ошибки (backpropagation <...> однослойный персептрон. <...> Как было сказано выше, для обучения персептрона используется алгоритм обратного распространения ошибки <...> персептрон считается обученным [2, 7].

3

АНАЛИЗ РУДОНОСНОСТИ ГИДРОТЕРМАЛЬНОЙ СИСТЕМЫ ИССЛЕДОВАНИЕМ СТРУКТУРНЫХ ПАТТЕРНОВ ПОЛЕЙ ТРЕЩИНОВАТОСТИ (ДАЛЬНЕГОРСКИЙ РУДНЫЙ РАЙОН, ПРИМОРЬЕ) [Электронный ресурс] / Шевырев, Хомич // Вестник Воронежского государственного университета. Серия: Геология .— 2012 .— №1 .— С. 173-181 .— Режим доступа: https://rucont.ru/efd/515287

Автор: Шевырев

Дешифрированием полей трещиноватости по космическим снимкам установлены количественные структурные характеристики продуктивной гидротермальной системы Дальнегорского рудного района. Выявлена связь рудонасыщенности гидротермальной системы и ее структурных характеристик. Рассмотрены прогнозные имплементации методики анализа дистанционных данных с применением нейросетей

В результате был получен обученный персептрон, способный классифицировать структурные паттерны элементарных <...> Для классификации паттернов применялась искусственная нейронная сеть – многослойный персептрон имеющий <...> персептрона по случайно выбранным смешанным Рис. 4. <...> обучение по 95 % ячеек). <...> многослойного персептрона.

4

Нейросетевые и гибридные системы

Автор: Каширина Ирина Леонидовна
Издательский дом ВГУ

Учебно-методическое пособие подготовлено на кафедре математических методов исследования операций факультета прикладной математики, информатики и механики Воронежского государственного университета.

Алгоритм обучения персептрона Для простоты рассмотрим вначале процедуру обучения персептрона, состоящего <...> Обучение персептрона состоит в подстройке весовых коэффициентов wi, где ni ,0 . <...> Обученный персептрон способен разделять требуемое множество образов на два класса. <...> Обучение персептрона – это обучение с учителем, то есть должен существовать набор векторов PkyX k k , <...> Обобщим теперь этот алгоритм обучения на случай однослойной сети, включающей n персептронных нейронов

Предпросмотр: Нейросетевые и гибридные системы .pdf (0,9 Мб)
5

Интеллектуальные системы и технологии учеб. пособие

Автор: Пальмов С. В.
Изд-во ПГУТИ

Рассматриваются основы методов искусственно интеллекта, история возникновения области искусственного интеллекта и становления её как науки. Рассмотрены базовые алгоритмы (ассоциативные правила, деревья решений, нейронные сети и т.д.), позволяющие решать типичные задачи для вышеуказанной области: представление знаний и поиск.

Обучение персептрона ........................................................... 120 6.3. <...> Обучение персептрона Алгоритм обучения персептрона. <...> название персептрон (perseptron). <...> Для настройки весов персептрона используется простой алгоритм обучения с учителем. <...> персептрона позволяет его получить.

Предпросмотр: Интеллектуальные системы и технологии учебное пособие.pdf (0,5 Мб)
6

Современные проблемы науки учеб. пособие

Автор: Ясницкий Л. Н.
М.: Лаборатория знаний

Рассмотрены вопросы становления и эволюции науки, психологии познания, а также способы передачи знаний и образование как фундаментальная категория науки. Обсуждаются взаимоотношения науки и философии, науки и религии, науки и искусства, науки и квазинауки. Особое внимание уделено проблемам взаимоотношения науки и производства, негативным последствиям научно-технического прогресса. Изложены и проанализированы современные методы получения научных знаний (технологии математического моделирования и искусственного интеллекта, включая обучение их практическому применению в различных областях человеческой деятельности).

Проблемы проектирования и обучения персептронов 239 10.9. <...> ПРОБЛЕМЫ ПРОЕКТИРОВАНИЯ И ОБУЧЕНИЯ ПЕРСЕПТРОНОВ 10.9.1. <...> Проблемы проектирования и обучения персептронов . . . . 239 10.9.1. <...> Проблемы проектирования и обучения персептронов 239 10.9. <...> ПРОБЛЕМЫ ПРОЕКТИРОВАНИЯ И ОБУЧЕНИЯ ПЕРСЕПТРОНОВ 10.9.1.

Предпросмотр: Современные проблемы науки.pdf (0,2 Мб)
7

Интеллектуальные системы учебник

Автор: Ясницкий Л. Н.
М.: Лаборатория знаний

В учебнике приведена история становления научной области «искусственный интеллект». Освещены основные направления ее развития и сферы применения, выполнено сопоставление трех основных стратегических подходов к созданию интеллектуальных систем: технологии экспертных систем, технологии нейронных сетей и технологии эволюционного моделирования. Изложены теоретические основы и даны примеры разработки интеллектуальных систем, а также примеры их применения для интеллектуального анализа данных в промышленности, экономике, бизнесе, психологии, социологии и других областях. Книга является исчерпывающим руководством по освоению технологий создания интеллектуальных нейросетевых систем и их применению для решения широкого круга проблем, встречающихся во многих областях деятельности современного человека.

Персептрон Розенблатта и его обучение 49 Рис. 4.6. <...> Персептрон Розенблатта и его обучение 53 В итерационные формулы полезно ввести коэффициент скорости обучения <...> Алгоритм обучения данного персептрона выглядит следующим образом. Шаг 1. <...> Персептрон Розенблатта и его обучение Контрольные вопросы и задания к § 4.3 4.4. <...> Дополнительные рекомендации по проектированию и обучению персептронов 6.6.

Предпросмотр: Интеллектуальные системы учебник — Эл. изд..pdf (0,2 Мб)
8

Основы нейроинформатики [учеб. пособие]

Автор: Солдатова
Издательство СГАУ

Основы нейроинформатики. Используемые программы: Adobe Acrobat. Труды сотрудников СГАУ (электрон. версия)

Методы обучения многослойного персептрона .......................................... 30 2.3.1. <...> Розенблатт в 1958 году ввел понятие персептрона как первой модели обучения с учителем [11]. <...> Методы обучения многослойного персептрона 2.3.1. <...> К какому типу относятся алгоритмы обучения многослойного персептрона: обучение «с учителем» или обучение <...> Методы обучения многослойного персептрона 2.3.1.

Предпросмотр: Основы нейроинформатики.pdf (1,0 Мб)
9

Программное обеспечение защиты почтовых сервисов от несанкционированных рассылок на основе контентной фильтрации электронных сообщений монография

ОГУ

В монографии изложены результаты научных исследований соответствующих приоритетному направлению развития науки и техники РФ – информационно-телекоммуникационным технологиям и критическим технологиям федерального уровня – информационно-телекоммуникационным системам.

письма для обучения. <...> Многослойный персептрон Нейронная сеть данного типа содержит один или несколько скрытых слоев нейронов <...> обучения. <...> Обучение персептрона новому образу модифицирует синаптические связи с неконтролируемым разрушением структуры <...> Таким образом, персептрон не способен к запоминанию новой информации, и необходимо полное переобучение

Предпросмотр: Программное обеспечение защиты почтовых сервисов от несанкционированных рассылок на основе контентной фильтрации электронных сообщений.pdf (0,4 Мб)
10

Основы работы с технологией CUDA

Автор: Боресков А. В.
М.: ДМК-Пресс

Данная книга посвящена программированию современных графических процессоров (GPU) на основе технологии CUDA от компании NVIDIA. В книге разбираются как сама технология CUDA, так и архитектура поддерживаемых GPU и вопросы оптимизации, включающие использование .PTX. Рассматривается реализация целого класса алгоритмов и последовательностей на CUDA.

Обучение персептронаобучение с учителем. <...> Сначала производится обучение К персептронов с одним входом, причем каждому персептрону «достается» своя <...> Было опробовано одновременное обучение до 256 персептронов. <...> одного из персептронов, сразу начинается обучение перво# го персептрона из очереди. <...> При этом проводилось параллель# ное обучение 256 персептронов.

Предпросмотр: Основы работы с технологией CUDA.pdf (10,9 Мб)
11

№4 [Анналы хирургии, 2016]

Основан в 1996 г. Многопрофильный журнал, в котором публикуются современные достижения практически по всем разделам хирургических специальностей, включая общую и частную хирургию, вопросы преподавания истории, а также информацию о крупнейших научно-практических центрах отечественной и зарубежной хирургии. Постоянными рубриками журнала являются следующие: "Научные центры и школы", "Обзоры", "Лекции", "Архив хирургии", "Как это делается", "Новые хирургические технологии", "Молодому специалисту", "История хирургии".

Для работы использовался персептрон, обучение которого происходило с помощью алгоритма back-propagation <...> Обучение персептрона происходило с помощью алгоритма обратного распространения ошибки (backpropagation <...> однослойный персептрон. <...> Как было сказано выше, для обучения персептрона используется алгоритм обратного распространения ошибки <...> персептрон считается обученным [2, 7].

Предпросмотр: Анналы хирургии №4 2016.pdf (0,3 Мб)
12

№10 [Вестник компьютерных и информационных технологий, 2014]

Журнал публикует статьи о компьютерных и информационных технологиях в промышленности, образовании, экономике и т.д. - опыт разработки, внедрения и использования. В журнале: * Тенденции развития компьютерных и информационных технологий в технике, экономике и управлении * Информационные технологии в экономике и профессиональном образовании * Автоматизация проектирования, конструирования и технологической подготовки производства * Программное обеспечение * Информационно-управляющие комплексы подвижных объектов * Сетевые технологии. Интернет-технологии. Информационная безопасность * Аппаратное обеспечение информационных технологий * Информационная поддержка жизненного цикла технических систем * Компьютерное зрение. Виртуальная реальность. Компьютерная графика * Геоинформатика. Технологии дистанционного зондирования и мониторинга * Технологии автоматической идентификации. Биометрия * Распределенные информационно-управляющие системы. Автоматизация документооборота, формирование электронных архивов и библиотек * Нормативная база, стандартизация и сертификация информационных продуктов и систем * Выставки, семинары и конференции

Узлами дерева являются персептроны. <...> За каждое подмножество отвечает отдельный персептрон, обученный на эталонах данного подмножества. <...> Корнем дерева является персептрон, обученный на всем множестве эталонов. <...> Персептрон узлапотомка обучен на подмножестве эталонов, соответствующих одному выходу корневого персептрона <...> Обучение персептрона выполняется по правилу Хебба [6]: ∑ =μ μμ = M 1 т ˆ XYW , (3) где W ˆ – (2×N)-матрица

Предпросмотр: Вестник компьютерных и информационных технологий №10 2014.pdf (0,2 Мб)
13

№3 [Вестник Томского государственного университета. Управление, вычислительная техника и информатика, 2016]

Научный журнал был выделен в самостоятельное периодическое издание из общенаучного журнала «Вестник Томского государственного университета» в 2007 г. В журнале публикуются результаты теоретических и прикладных исследований вузов, научно-исследовательских, проектных и производственных организаций в области управления, вычислительной техники и информатики в технических, экономических и социальных системах. Входит в Перечень ВАК.

Структура персептрона Обучение и тестирование персептрона. <...> Обучение персептрона осуществляется методом обратного распространения ошибки. <...> Обучение сети осуществляется без учителя, т.е. без заранее определенных групп кластеров. <...> Реализация этапа кластеризации включает построение СВР, обучение и тестирование. <...> Погрешность классификации персептрона Погрешность кластеризации слоя Кохонена Вторая статья Убийство

Предпросмотр: Вестник Томского государственного университета. Управление, вычислительная техника и информатика №3 2016.pdf (0,7 Мб)
14

Нейронные сети, генетические алгоритмы и нечеткие системы

Автор: Рутковская Д.
М.: Горячая линия – Телеком

Книга посвящена вопросам "интеллектуальных вычислений". Содержит базовые знания о генетических алгоритмах, эволюционном программировании, нечетких системах, а также о связях этих направлений с нейронными сетями.

Неизвестные значения весов будут определяться в процессе обучения персептрона. <...> По завершении процесса обучения персептрон должен корректно классифицировать поступающие на его вход <...> Неизвестные значения весов будут определяться в процессе обучения персептрона. <...> По завершении процесса обучения персептрон должен корректно классифицировать поступающие на его вход <...> Персептрон. Рис. 2.5.

Предпросмотр: Нейронные сети, генетические алгоритмы и нечеткие системы.pdf (0,6 Мб)
Предпросмотр: Нейронные сети, генетические алгоритмы и нечеткие системы (1).pdf (0,5 Мб)
15

НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ. ДИССОЦИАЦИЯ УКСУСНОЙ И БЕНЗОЙНОЙ КИСЛОТ В ВОДНО-ОРГАНИЧЕСКИХ РАСТВОРИТЕЛЯХ [Электронный ресурс] / Бондарев // Журнал общей химии .— 2017 .— №2 .— С. 31-39 .— Режим доступа: https://rucont.ru/efd/591400

Автор: Бондарев

Разработаны прогностические корреляционно-регрессионные и нейросетевые модели для описания влияния свойств водно-органических растворителей на силу уксусной и бензойной кислот. Выявлены значимые дескрипторы, влияющие на равновесие диссоциации кислот. Раскрыты особенности влияния сольватации (проявляющегося в электростатических, когезионных и электроноакцепторных взаимодействиях) на силу кислот. С помощью трехслойного персептрона решена задача предсказания констант диссоциации уксусной и бензойной кислот. Показана перспективность применения нейронных сетей для прогнозирования силы органических кислот в водно-органических средах. Построен и обучен нейросетевой классификатор силы уксусной и бензойной кислот по дескрипторам водно-спиртовых растворителей

Тестовая производительность Ошибка обучения Контрольная ошибка Тестовая ошибка Метод обучения Входы <...> персептрона. <...> Они были использованы, соответственно, для обучения сети, кроссвалидации алгоритма обучения во время <...> В табл. 2 приведены статистические характеристики обученной нейросетевой модели персептронного типа МП <...> персептрона МП 4:4–8–2:2, т. е. являются независимыми.

16

КОМПЛЕКСИРОВАНИЕ НЕЗАВИСИМЫХ БИОМЕТРИЧЕСКИХ ПРИЗНАКОВ ПРИ РАСПОЗНАВАНИИ СУБЪЕКТОВ НА ОСНОВЕ СЕТЕЙ КВАДРАТИЧНЫХ ФОРМ, ПЕРСЕПТРОНОВ И МЕРЫ ХИ-МОДУЛЬ [Электронный ресурс] / А.Е. Сулавко , А.В. Еременко , Е.В. Толкачева // Информационно-управляющие системы .— 2017 .— №1 .— doi: 10.15217/issn1684-8853.2017.1.50 .— Режим доступа: https://rucont.ru/efd/585655

Автор: Сулавко А. Е.

Постановка проблемы: статические биометрические образы не являются секретными и могут быть скопированы для изготовления физического или электронного муляжа незаметно для владельца, поэтому идет процесс поиска эффективных решений для аутентификации субъектов по динамическим биометрическим признакам. Цель исследования: разработать более надежные способы однофакторной и многофакторной биометрической аутентификации в пространстве малоинформативных признаков.

Операции по обучению сети персептронов по ГОСТ Р 52633.5 [14] более подробно описаны в стандарте, а также <...> неприемлемо долгой (по требованиям ГОСТ Р 52633.5 [14] для обучения персептронов достаточно 21 образца <...> персептронов). <...> Сети персептронов и метрик химодуль ведут себя иным образом. <...> Заключение Применение адаптированного алгоритма обучения сетей персептронов, описанного в ГОСТ Р52633.5

17

№4 [Информационные системы и технологии, 2017]

Журнал об информационных системах и технологиях.

Выбор персептрона данной архитектуры обусловлен экспериментальными исследованиями, проведенными на тестовых <...> На входы персептрона подается от 4 до 7 ретроспективных нормированных значений по каждому фактору (входных <...> С выходов персептрона снимаются 6 прогнозных значений по указанным выше факторам (выходных переменных <...> Нейроны первого слоя персептрона никаких функций не реализуют. <...> персептрона Величина ошибки меньше заданной Прогнозирование временного ряда отклонений (ошибок) между

Предпросмотр: Информационные системы и технологии №4 2017.pdf (0,8 Мб)
18

Нейросетевой подход к задаче тестирования [Электронный ресурс] / Мицель, Погуда // Прикладная информатика / Journal of Applied Informatics .— 2011 .— №5 .— С. 60-67 .— Режим доступа: https://rucont.ru/efd/453292

Автор: Мицель

Основным недостатком проверки знаний обучаемых с помощью традиционного тестирования является дуальный характер получаемого результата. Повысить степень объективности и глубины оценивания знаний можно путем применения более тонких методов организации тестирования и обработки его результатов

60 IT и образование Технологии обучения ПРИКЛАДНАЯ ИНФОРМАТИКА № 5 (35) 2011 Не йр ос ет ев ой п од хо <...> К наиболее распространенным и изученным архитектурам относятся многослойный персептрон, нейронная сеть <...> Выделяют три парадигмы обучения: с учителем, самообучение и смешанную. <...> При смешанном обучении комбинируются два вышеизложенных подхода. <...> персептрона.

19

Распознавание видов цифровой модуляции радиосигналов с использованием нейронных сетей [Электронный ресурс] / Аджемов, Терешонок, Чиров // Вестник Московского университета. Серия 3. Физика. Астрономия .— 2015 .— №1 .— С. 23-28 .— Режим доступа: https://rucont.ru/efd/455803

Автор: Аджемов

Представлены результаты применения искусственных нейронных сетей в задаче распознавания видов цифровой модуляции радиосигналов. В качестве признаков распознавания предлагается использовать кумулянты 2 и 4-го порядков, вычисляемых по значениям зарегистрированных отсчетов сигнала. Выбор состава информативных признаков (в данном случае набора кумулянтов) и формирование решающих правил осуществляется экспертным путем исходя из набора видов модуляции сигналов, необходимых для распознавания. Исследования в данной области показывают, что формирование правил различения (классификатора) может осуществляться с использованием различных методов интеллектуального анализа, в частности искусственных нейронных сетей. Использование многослойного персептрона в качестве устройства классификации (распознавания) позволяет автоматизировать процесс построения решающих правил для распознавания видов цифровой модуляции радиосигналов. Предлагаемый метод обеспечивает достаточно высокую (0.7–0.99) вероятность правильного распознавания сигналов с частотной (FSK), фазовой (PSK), амплитудной (ASK) и квадратурной фазовой (QAM) манипуляцией в условиях отсутствия синхронизации приемной системы по несущей частоте.

Схема многослойного персептрона приведена на рис. 2. Рис. 2. <...> Схема многослойного персептрона Когда в сети только один слой, алгоритм ее обучения с учителем довольно <...> Отметим, что вычислительная сложность многослойного персептрона в режиме обучения может быть оценена <...> С использованием сформированной выборки производится обучение многослойного персептрона. <...> МП) обученного персептрона.

20

№2 [Вестник Воронежского государственного университета. Серия: Геология, 2007]

Журнал входит в Перечень ВАК ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук

Персептроны могут объединяться в сети различным образом. <...> Обучение персептрона является обучением с учителем. <...> Задача обучения персептрона: подобрать такие значения параметров сети, чтобы ошибка была минимальна для <...> Персептронный нейрон Рис. 2. <...> Процесс обучения нейронной сети: 1 — цель обучения, 2 — ошибка по обучающему множеству, 3 — ошибка по

Предпросмотр: Вестник Воронежского государственного университета. Серия Геология №2 2007.pdf (0,3 Мб)
21

О НОВОМ АЛГОРИТМЕ ХАРАКТЕРИЗАЦИИ k-ЗНАЧНЫХ ПОРОГОВЫХ ФУНКЦИЙ [Электронный ресурс] / Бурделёв, Никонов // Computational nanotechnology .— 2017 .— №1 .— С. 7-14 .— Режим доступа: https://rucont.ru/efd/597067

Автор: Бурделёв

В статье изучены известные подходы к характеризации булевых и k-значных пороговых функций. Предложен новый алгоритм характеризации k-значных пороговых функций, для которого используются, введенные в предыдущих работах авторов, коэффициенты роста и возрастания для первичной аппроксимации коэффициентов линейной формы. Приведены результаты экспериментального сравнения нового алгоритма с известным алгоритмом Обрадовича

Паперта [7] предложено несколько доказательств классической теоремы «О сходимости персептрона», устанавливающей <...> Паперт привели строгое математическое доказательство того, что перцептрон не способен к обучению в большинстве <...> Г. функции, представляющий собой модификацию алгоритма обучения персептрона Ф. Розенблатта [11]. <...> Для предложенной модификации алгоритма обучения Розенблатта доказана его сходимость. <...> Персептроны // – Москва: Мир, 1971. 8. Хачиян Л.Г.

22

ПРИМЕНЕНИЕ НЕЙРОСЕТЕВЫХ АССОЦИАТИВНЫХ МАШИН ДЛЯ ОБНАРУЖЕНИЯ ВТОРЖЕНИЙ В ЛОКАЛЬНУЮ СЕТЬ [Электронный ресурс] / Комарцова, Лавренков // Прикладная информатика / Journal of Applied Informatics .— 2013 .— №5 .— С. 43-56 .— Режим доступа: https://rucont.ru/efd/436998

Автор: Комарцова

Предложен алгоритм объединения мнений экспертов, построенных на основе многослойного персептрона, с помощью алгоритмических композиций с динамическим механизмом оценки коэффициента доверия к каждому эксперту.

В настоящей работе многослойные персептроны объединялись в ансамбль нейронных сетей. <...> самим персептроном. <...> В качестве аффинности в данной задаче используется ошибка обучения персептрона, чем она меньше, тем лучше <...> Кодирование параметров персептрона в антителе 01.07.2011 011001...1001 110010...101 ……... 10010...101 <...> Исследование алгоритмов обучения многослойного персептрона // Нейрокомпьютеры.

23

№2 [ВЕСТНИК КАМЧАТСКОЙ РЕГИОНАЛЬНОЙ АССОЦИАЦИИ «УЧЕБНО-НАУЧНЫЙ ЦЕНТР». Серия: Науки о Земле, 2012]

В журнале публикуются результаты фундаментальных и прикладных исследований в области наук о Земле (геология, геофизика, геохимия, гидрогеология, вулканология, сейсмология). Журнал «Вестник КРАУНЦ. Серия: Науки о Земле» включен в список рецензируемых научных журналов и изданий, рекомендованных ВАК для опубликования основных научных результатов диссертации на соискание ученой степени доктора и кандидата наук.

В результате был получен обученный персептрон, способный классифицировать структурные паттерны элементарных <...> Для классификации паттернов применялась искусственная нейронная сеть – многослойный персептрон имеющий <...> персептрона по случайно выбранным смешанным (как «пустым», так и «рудоносным») ячейкам (рис. 4). <...> Результаты обучения по 45% ячеек по качеству приближаются к контрольному прогнозу (обучение по 95% ячеек <...> многослойного персептрона.

Предпросмотр: ВЕСТНИК КАМЧАТСКОЙ РЕГИОНАЛЬНОЙ АССОЦИАЦИИ «УЧЕБНО-НАУЧНЫЙ ЦЕНТР». Серия Науки о Земле №2 2012.pdf (0,3 Мб)
24

ВЛИЯНИЕ ПСИХОФИЗИОЛОГИЧЕСКОГО СОСТОЯНИЯ ПОДПИСАНТОВ НА БИОМЕТРИЧЕСКИЕ ПАРАМЕТРЫ РУКОПИСНЫХ ОБРАЗОВ И РЕЗУЛЬТАТЫ ИХ ВЕРИФИКАЦИИ [Электронный ресурс] / А.Е. Сулавко, А.Е. Самотуга // Информационно-управляющие системы .— 2017 .— №6 .— Режим доступа: https://rucont.ru/efd/639809

Автор: Сулавко А. Е.

Постановка проблемы: статические биометрические образы не являются секретными и могут быть скопированы для изготовления муляжа, динамические рукописные образы можно держать в секрете, но они зависимы от психофизиологического состояния их владельца. Цель исследования: оценка зависимости рукописных образов от психофизиологического состояния подписантов и разработка способа верификации рукописных образов, устойчивого к изменениям состояния подписанта. Результаты: построена статистическая модель изменения параметров рукописных образов в зависимости от состояния подписанта, оценена информативность этих параметров для задач распознавания подписантов и их состояний. Предложен способ верификации субъектов по рукописному образу с вероятностью ошибок 1-го и 2-го рода 0,0014 и 0,0045. Проведена оценка влияния состояния подписанта на результаты его верификации при помощи меры хи-модуль, квадратичных форм, формулы гипотез Байеса и ее многомерного аналога. Предложен метод распознавания измененного состояния подписанта по рукописному образу со средней вероятностью ошибок 0,105 (без необходимости создания эталонов в измененном состоянии). Предложено использовать сети наибольшего правдоподобия Байеса — Хемминга, показывающие наилучшие результаты при распознавании подписантов в измененном состоянии. Практическая значимость: предложенный способ верификации субъектов по особенностям рукописного образа можно использовать на практике при реализации контрольно-пропускной функции или удаленной аутентификации.

Обучение системы распознавания требовалось проводить для каждого испытуемого отдельно и с использованием <...> персептронов из ГОСТ Р 52633.5-2011. <...> 21 образца его подписи, как в ГОСТ Р 52633.5, полученных в нормальном ПФС) и «Чужой» (h2, при обучении <...> независимых биометрических признаков при распознавании субъектов на основе сетей квадратичных форм, персептронов <...> Экспериментальная оценка надежности верификации подписи сетями квадратичных форм, нечеткими экстракторами и персептронами

25

№2 [ВЕСТНИК КАМЧАТСКОЙ РЕГИОНАЛЬНОЙ АССОЦИАЦИИ «УЧЕБНО-НАУЧНЫЙ ЦЕНТР». Серия: Науки о Земле, 2012]

В журнале публикуются результаты фундаментальных и прикладных исследований в области наук о Земле (геология, геофизика, геохимия, гидрогеология, вулканология, сейсмология). Журнал «Вестник КРАУНЦ. Серия: Науки о Земле» включен в список рецензируемых научных журналов и изданий, рекомендованных ВАК для опубликования основных научных результатов диссертации на соискание ученой степени доктора и кандидата наук.

В результате был получен обученный персептрон, способный классифицировать структурные паттерны элементарных <...> Для классификации паттернов применялась искусственная нейронная сеть – многослойный персептрон имеющий <...> персептрона по случайно выбранным смешанным (как «пустым», так и «рудоносным») ячейкам (рис. 4). <...> Результаты обучения по 45% ячеек по качеству приближаются к контрольному прогнозу (обучение по 95% ячеек <...> многослойного персептрона.

Предпросмотр: ВЕСТНИК КАМЧАТСКОЙ РЕГИОНАЛЬНОЙ АССОЦИАЦИИ «УЧЕБНО-НАУЧНЫЙ ЦЕНТР». Серия Науки о Земле №2 2012.pdf (0,3 Мб)
26

Компьютерное зрение [учебник], Computer Vision

Автор: Шапиро Линда
М.: Лаборатория знаний

В данной книге теоретические аспекты обработки зрительных данных рассматриваются с привлечением большого количества примеров из практических задач. Наряду с классическими темами, в книге рассматриваются базы данных изображений и системы виртуальной и дополненной реальности. Приведены примеры приложений в промышленности, медицине, землепользовании, мультимедиа и компьютерной графике.

машин, называемый супервизорным обучением, или обучением с учителем. <...> На рис. 4.18 показаны выходные данные программы обучения персептрона. <...> Выходные данные программы, реализующей алгоритм обучения персептрона для классификации в случае двух <...> Реализация алгоритма обучения персептрона Напишите программу, реализующую алгоритм обучения персептрона <...> Реализация обучения персептрона и алгоритм обратного распространения приведены на языке Лисп.

Предпросмотр: Компьютерное зрение. — 3-е изд. (эл.).pdf (0,7 Мб)
27

Заметки по информатике и математике. Вып. 3 сб. науч. статей

ЯрГУ

В сборник включены научные статьи, представленные студентами и аспирантами факультета ИВТ. Темы статей касаются важных направлений развития математики, информатики и вычислительной техники.

Богомолов 25 Полное описание модели персептрона приведено в [2]. <...> На вход персептрона поступает только двоичный сигнал. <...> Алгоритм одного цикла обучения персептрона следующий (количество циклов обучения задается пользователем <...> Таким образом, логика обучения персептрона следующая: если сигнал персептрона при некотором образе верен <...> Стратегия поэтапного обучения На этом этапе обучения также случайным образом студенту предоставляется

Предпросмотр: Заметки по информатике и математике. Вып. 3 сб. науч. ст..pdf (1,0 Мб)
28

№1 [Вестник Воронежского государственного университета. Серия: Геология, 2012]

Журнал входит в Перечень ВАК ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук

В результате был получен обученный персептрон, способный классифицировать структурные паттерны элементарных <...> Для классификации паттернов применялась искусственная нейронная сеть – многослойный персептрон имеющий <...> персептрона по случайно выбранным смешанным Рис. 4. <...> обучение по 95 % ячеек). <...> многослойного персептрона.

Предпросмотр: Вестник Воронежского государственного университета. Серия Геология №1 2012.pdf (0,2 Мб)
29

№1 [Информационно-управляющие системы, 2017]

Журнал предназначен для руководителей и ведущих специалистов научно-исследовательских и опытно-конструкторских организаций и предприятий отраслей промышленности, выпускающих продукцию и предоставляющих услуги в области телекоммуникаций, защиты и обработки информации, систем управления, встраиваемых информационно-управляющих систем различного назначений. Также журнал может быть полезен научным сотрудникам, докторантам, аспирантам и студентам информационных и вычислительных специальностей вузов. Тематические разделы: обработка информации и управление, моделирование систем и процессов, программные и аппаратные средства, защита информации, кодирование и передача информации, информационные каналы и среды, информационно-измерительные системы, системный анализ, стохастическая динамика и хаос, управление в социально-экономических системах, управление в медицине и биологии, информационные технологии и образование, краткие научные сообщения, рецензии (на книги, журналы, статьи, диссертации), хроника и информация (о семинарах, конференциях, выставках, юбилеях, а также очерки по истории науки и техники).

Операции по обучению сети персептронов по ГОСТ Р 52633.5 [14] более подробно описаны в стандарте, а также <...> неприемлемо долгой (по требованиям ГОСТ Р 52633.5 [14] для обучения персептронов достаточно 21 образца <...> персептронов). <...> Сети персептронов и метрик химодуль ведут себя иным образом. <...> Заключение Применение адаптированного алгоритма обучения сетей персептронов, описанного в ГОСТ Р52633.5

Предпросмотр: Информационно-управляющие системы №1 2017.pdf (0,4 Мб)
30

«Основы теории управления и идентификации в технических системах» Книга 1

Автор: Семенов

Рассматриваются основные методы автоматического управления с использованием математического описания этих систем в простран- стве состояний, моделей на базе матричных операторов и рядов Воль- терра и нейронных сетей, методы анализа и синтеза линейных систем, а также структурированные модели систем управления, передаточные функции, структурные схемы, временные и частотные характеристи- ки. Изложены вопросы наблюдаемости, управляемости и устойчиво- сти одномерных и многомерных систем управления, удовлетворяю- щих различным критериям качества. Приводятся основные методы улучшения качества процессов управления и синтеза автоматических регуляторов. Проанализированы основные методы их идентификации, показаны особенности применения временных, частотных, спектраль- ных, стохастических непараметрических и параметрических методов идентификации. Изложение сопровождается многочисленными при- мерами, поясняющими технологию использования MATLAB для ре- шения задач управления и идентификации.

Существует два вида обучения нейронных сетей: обучение с учителем и обучение без учителя [55]. <...> Персептрон Персептрон, являющийся одной из первых попыток создания ИНС, был предложен Розенблатом [41 <...> Персептрон, структура которого показана на рис. 5.5, имеет два слоя. Рис. 5.5. <...> Для обучения персептрона используется процедура обучения с учителем, которая подстраивает синаптическую <...> Персептроны / М. Минский, С. Пейперт ; пер. с англ. Г. Л. Гиммельфарба, В. М.

Предпросмотр: «Основы теории управления и идентификации в технических системах» Книга 1.pdf (1,2 Мб)
31

№1 [Вестник Московского университета. Серия 3. Физика. Астрономия, 2015]

Основан в 1946г. Авторитетное научное издание, статьи и материалы журнала отражают тематику важнейших направлений теоретических и экспериментальных исследований по всему кругу научных вопросов, изучаемых на физическом факультете МГУ

Схема многослойного персептрона приведена на рис. 2. Рис. 2. <...> Схема многослойного персептрона Когда в сети только один слой, алгоритм ее обучения с учителем довольно <...> Отметим, что вычислительная сложность многослойного персептрона в режиме обучения может быть оценена <...> С использованием сформированной выборки производится обучение многослойного персептрона. <...> МП) обученного персептрона.

Предпросмотр: Вестник Московского университета. Серия 3. Физика. Астрономия №1 2015.pdf (0,2 Мб)
32

№1 [Сибирский журнал вычислительной математики, 2013]

Издательство СО РАН

СибЖВМ - единственный общероссийский журнал по вычислительной математике, издающийся за Уралом с привлечением авторов и рецензентов со всего СНГ.Основные направления журнала:- вычислительная математика;- математическое моделирование;- прикладная информатика;- автоматизация научных и прикладных исследований.Статьи публикуются на русском и английском языках, в зависимости от языка оригинала.

Причем для простейших однослойных сетей — персептронов — была доказана теорема об обучении персептронов <...> Исследования, проведенные Минским [9], показали, что используемые в то время персептроны неспособны решить <...> , которые позволили решать задачи, неразрешимые для персептронов. <...> Он, как и ИНС, проходит процедуру обучения. <...> Персептроны.–– М: Мир, 1971. 10. Grossberg S.

Предпросмотр: Сибирский журнал вычислительной математики №1 2013.pdf (0,2 Мб)
33

№2 [Журнал общей химии, 2017]

Основан в 1869 г. Публикуются работы, посвященные актуальным общим вопросам химии и проблемам, возникающим как на стыке различных разделов химии, так и на стыке химии и смежных с ней наук. Журнал является рецензируемым, включен в Перечень ВАК для опубликования работ соискателей ученых степеней.

Тестовая производительность Ошибка обучения Контрольная ошибка Тестовая ошибка Метод обучения Входы <...> персептрона. <...> Они были использованы, соответственно, для обучения сети, кроссвалидации алгоритма обучения во время <...> В табл. 2 приведены статистические характеристики обученной нейросетевой модели персептронного типа МП <...> персептрона МП 4:4–8–2:2, т. е. являются независимыми.

Предпросмотр: Журнал общей химии №2 2017.pdf (0,5 Мб)
34

Популярное введение в современный анализ данных в системе STATISTICA: методология и технология современного анализа данных учеб. пособие

Автор: Боровиков В. П.
М.: Горячая линия – Телеком

Книга открывает широкому кругу читателей современный анализ данных в программе STATISTICA. STATISTICA (производитель StatSoft, USA) занимает лидирующее положение среди программ анализа данных и имеет сотни тысяч зарегистрированных пользователей в России и мире. На простых, ясных примерах популярно описаны современные методы анализа данных – визуальный анализ и графическое представление данных, описательные статистики, методы классификации и прогнозирования. Классические методы дополнены самым современным инструментарием, включая нейронные сети и DataMining. Читатель знакомится с методами и компьютерными технологиями анализа данных и учится применять их на практике, основной лейтмотив книги – теория неотделима от практики.

Обучение однослойного персептрона Шаг 0. <...> В итоге, мы имеем обученный персептрон с весами 1 2w (L), w (L), T. <...> Обученный однослойный персептрон способен решать очень простые задачи классификации. Упражнение. <...> Обучение многослойного персептрона Обучение однослойного персептрона, естественно, приводит к многослойным <...> персептронам.

Предпросмотр: Популярное введение в современный анализ данных в системе STATISTICA методология и технология современного анализа данных.pdf (0,5 Мб)
Предпросмотр: Популярное введение в современный анализ данных в системе STATISTICA методология и технология современного анализа данных (1).pdf (0,7 Мб)
35

№1 [Прикладная информатика / Journal of Applied Informatics, 2019]

Журнал «Прикладная информатика» является преемником одноименного сборника, выпускавшегося с 1981 года издательством «Финансы и статистика». Освещает современные тенденции в развитии прикладной информатики. Большая часть материалов посвящена прикладным вопросам: применению информационных технологий в таких областях как электронный маркетинг и коммерция, подготовка IT-специалистов, информационные системы, математическое и компьютерное моделирование, информационная безопасность. Журнал с 2006 года входит в состав учредителей ряда международных и всероссийских конференций, а также оказывает оргкомитетам информационную поддержку в проведении таких мероприятий. Издание включено в Перечень ВАК Минобрнауки РФ.

[ Том 14. № 1 (79). 2019 ] собы и формы обучения, увеличить мотивацию обучения благодаря применению <...> В основе серии ГОСТ Р 52633 лежит устойчивый алгоритм обучения персептронов «широких» нейронных сетей <...> меньшего числа биометрических образов, чем нейрон, на основе взвешенной функции суммирования (1): сети персептронов <...> исследований опираются на так называемые гибридные «широкие» нейронные сети (рис. 3) [18] на основе персептронов <...> признаков Вектор значений признаков Слабая корреляция Значительная корреляция Высокая корреляция Подсеть персептронов

Предпросмотр: Прикладная информатика Journal of Applied Informatics №1 2019.pdf (0,6 Мб)
36

№5 [Прикладная информатика / Journal of Applied Informatics, 2013]

Журнал «Прикладная информатика» является преемником одноименного сборника, выпускавшегося с 1981 года издательством «Финансы и статистика». Освещает современные тенденции в развитии прикладной информатики. Большая часть материалов посвящена прикладным вопросам: применению информационных технологий в таких областях как электронный маркетинг и коммерция, подготовка IT-специалистов, информационные системы, математическое и компьютерное моделирование, информационная безопасность. Журнал с 2006 года входит в состав учредителей ряда международных и всероссийских конференций, а также оказывает оргкомитетам информационную поддержку в проведении таких мероприятий. Издание включено в Перечень ВАК Минобрнауки РФ.

∑ ИНС2 Алгоритм обучения ∑ ИНСh Алгоритм обучения ∑ Алгоритм оценки качества обучения Алгоритм оценки <...> самим персептроном. <...> В качестве аффинности в данной задаче используется ошибка обучения персептрона, чем она меньше, тем лучше <...> обучения. <...> Исследование алгоритмов обучения многослойного персептрона // Нейрокомпьютеры.

Предпросмотр: Прикладная информатика Journal of Applied Informatics №5 2013.pdf (0,1 Мб)
37

№5 [Прикладная информатика / Journal of Applied Informatics, 2011]

Журнал «Прикладная информатика» является преемником одноименного сборника, выпускавшегося с 1981 года издательством «Финансы и статистика». Освещает современные тенденции в развитии прикладной информатики. Большая часть материалов посвящена прикладным вопросам: применению информационных технологий в таких областях как электронный маркетинг и коммерция, подготовка IT-специалистов, информационные системы, математическое и компьютерное моделирование, информационная безопасность. Журнал с 2006 года входит в состав учредителей ряда международных и всероссийских конференций, а также оказывает оргкомитетам информационную поддержку в проведении таких мероприятий. Издание включено в Перечень ВАК Минобрнауки РФ.

К наиболее распространенным и изученным архитектурам относятся многослойный персептрон, нейронная сеть <...> персептрона. <...> такими специализированными нейроархитектурами, как сети Джордана, Элмана или рекуррентные многослойные персептроны <...> приведенные в табл. 3, соответствуют результатам работы ИНС РБФ, ИНС Элмана и рекуррентного многослойного персептрона <...> открытыми вопросы корректного подбора их архитектуры и преодоления отдельных недостатков многослойных персептронов

Предпросмотр: Прикладная информатика Journal of Applied Informatics №5 2011.pdf (0,2 Мб)
38

№2 [Вестник Южно-Уральского государственного университета. Серия "Компьютерные технологии, управление, радиоэлектроника", 2017]

Публикуются статьи по направлениям: управление; математическое, программное и аппаратурное обеспечение компьютерных технологий; измерительные системы, приборостроение, радиоэлектроника и связь.

Персептроны / М. Минский, С. Пайперт. – М.: Мир, 1971. – 262 с. 11. Ивахненко, А.Г. <...> На основании пяти экспериментов произведено обучение сети. <...> персептронов, однако в сетях, использующих в качестве обучения алгоритм обратного распространения ошибки <...> Исследование скорости обучения нейронных сетей / А.А. Рындин, В.П. <...> структуры сети, но в рамках проведенного исследования обучение не проводилось.

Предпросмотр: Вестник Южно-Уральского государственного университета. Серия Компьютерные технологии, управление, радиоэлектроника №2 2017.pdf (1,1 Мб)
39

№1 [Вестник Южно-Уральского государственного университета. Серия "Компьютерные технологии, управление, радиоэлектроника", 2017]

Публикуются статьи по направлениям: управление; математическое, программное и аппаратурное обеспечение компьютерных технологий; измерительные системы, приборостроение, радиоэлектроника и связь.

Розенблатт построил простейшую нейронную сеть – персептрон, предложил метод её настройки или обучения <...> Он проделал эксперименты по обучению персептрона. <...> Геометрические предикаты, распознаваемые персептроном, изучались Минским и Пейпертом [5]. <...> Они доказали, что возможности персептрона в распознавании таких свойств фигур на плоскости как связность <...> Персептроны / М. Минский, С. Пейперт. – М.: Мир, 1971. – 262 c. 6. Черников, С.Н.

Предпросмотр: Вестник Южно-Уральского государственного университета. Серия Компьютерные технологии, управление, радиоэлектроника №1 2017.pdf (1,0 Мб)
40

Информатика учебник для вузов. В 3 ч. Ч. 3. Методы, модели и средства обработки графической информации. В 2-х книгах. Книга 2

Автор: Фисун Александр Павлович
ОрелГТУ

В учебнике рассмотрены теоретические основы компьютерной графики, ее методологический базис. Системно изложены фундаментальные знания о составной части теоретических основ информатики – методологии обработки графической информации и визуализации данных, являющейся научным базисом разработки новых информационных технологий и современных информационных телекоммуникационных систем. Материал рассчитан на специалистов и ученых, а также на широкий круг читателей и студентов, обучающихся в области новых информационных технологий, информационных телекоммуникационных систем, информационной безопасности объектов информатизации и других социотехнических систем информационной сферы.

Обучение распознаванию образов. Персептроны 114 17.8. <...> Персептроны Один из методов решения задач обучения распознаванию образов основан на моделировании гипотетического <...> устройств, называемых персептронами. <...> После процесса обучения персептрон сам, без учителя, начинает классифицировать новые объекты [125]. 17.8 <...> В чем смысл задачи обучения распознавания образов? Что такое персептрон?

Предпросмотр: Информатика учебник для вузов. В 3 ч. Ч. 3. Методы, модели и средства обработки графической информации. В 2-х книгах. Книга 2. Под общей научной редакцией А.П. Фисуна, В.А. Минаева, И.С. Константинова, А.В. Коськина, В.А.Зернова (Рекомендован УМО вузов Российской Федерации).pdf (1,1 Мб)
41

Основы искусственного интеллекта учеб. пособие

Автор: Масленникова О. Е.
М.: ФЛИНТА

В учебном пособии излагаются модели представления знаний, теория экспертных систем, основы логического и функционального программирования. Большое внимание уделено истории развития искусственного интеллекта. Изложение материала сопровождается большим количеством иллюстраций, предлагаются упражнения и вопросы для самоконтроля.

из алгоритмов обучения персептрона: процедура сходимости персептрона Розенблата. 1.Вектор весов wi устанавливается <...> Многослойный персептрон Многослойные персептроны с достаточным множеством внутренних нейроподобных элементов <...> Многослойный персептрон Для обучения многослойного персептрона был предложен алгоритм обратного распространения <...> Простой персептрон: устройство и алгоритм обучения. 32. <...> Обучение.

Предпросмотр: Основы искусственного интеллекта (1).pdf (1,2 Мб)
42

№6 [Информационно-управляющие системы, 2017]

Журнал предназначен для руководителей и ведущих специалистов научно-исследовательских и опытно-конструкторских организаций и предприятий отраслей промышленности, выпускающих продукцию и предоставляющих услуги в области телекоммуникаций, защиты и обработки информации, систем управления, встраиваемых информационно-управляющих систем различного назначений. Также журнал может быть полезен научным сотрудникам, докторантам, аспирантам и студентам информационных и вычислительных специальностей вузов. Тематические разделы: обработка информации и управление, моделирование систем и процессов, программные и аппаратные средства, защита информации, кодирование и передача информации, информационные каналы и среды, информационно-измерительные системы, системный анализ, стохастическая динамика и хаос, управление в социально-экономических системах, управление в медицине и биологии, информационные технологии и образование, краткие научные сообщения, рецензии (на книги, журналы, статьи, диссертации), хроника и информация (о семинарах, конференциях, выставках, юбилеях, а также очерки по истории науки и техники).

персептронов из ГОСТ Р 52633.5-2011. <...> независимых биометрических признаков при распознавании субъектов на основе сетей квадратичных форм, персептронов <...> Экспериментальная оценка надежности верификации подписи сетями квадратичных форм, нечеткими экстракторами и персептронами <...> Область научных интересов — машинное обучение, компьютерное зрение, сжатие изображений и видео. <...> независимых биометрических признаков при распознавании субъектов на основе сетей квадратичных форм, персептронов

Предпросмотр: Информационно-управляющие системы №6 2017.pdf (0,3 Мб)
43

№1 [Computational nanotechnology, 2017]

Журнал издается с 2014г., посвящен вопросам нанотехнологий, возникающим в различных теоретических и практических научных разработках. Использование математических моделей и вычислительных машин становится частью технологического процесса создания систем на молекулярном уровне. В журнале также рассматриваются многомасштабные вычислительные модели, определяющие успех моделирования наносистем.

Паперта [7] предложено несколько доказательств классической теоремы «О сходимости персептрона», устанавливающей <...> Паперт привели строгое математическое доказательство того, что перцептрон не способен к обучению в большинстве <...> Г. функции, представляющий собой модификацию алгоритма обучения персептрона Ф. Розенблатта [11]. <...> Для предложенной модификации алгоритма обучения Розенблатта доказана его сходимость. <...> Персептроны // – Москва: Мир, 1971. 8. Хачиян Л.Г.

Предпросмотр: Computational nanotechnology №1 2017.pdf (0,8 Мб)
44

Информационно-телекоммуникационные и компьютерные технологии, устройства и системы: состояние и перспективы развития в Южном федеральном университете [монография]

Ростов н/Д.: Изд-во ЮФУ

В монографии, подготовленной ведущими учеными и специалистами Южного федерального университета, рассматриваются состояние и перспективы развития приоритетного научного направления «Информационно-телекоммуникационные и компьютерные технологии, устройства и системы» в университете. Монография является завершающим этапом выполнения проекта «Разработка системы междисциплинарных лотов, обеспечивающих развитие приоритетного научного направления «Информационно-телекоммуникационные и компьютерные технологии, устройства и системы» на 2009 год», выполняемого в рамках «Программы развития ЮФУ на 2007–2010 гг.», и базируется на основе аналитических обзоров, представленных руководителями ведущих научно-образовательных школ ЮФУ, работающими в сфере информационно-телекоммуникационных технологий.

Применение нейронных сетей типа «многослойный персептрон» для обнаружения аномалий сетевого трафика задачу <...> пакетов известны, то для решения такой задачи может быть предложена нейронная сеть типа «многослойный персептрон <...> своих внутренних целей (например, по принципу минимальности расстояния). использование однослойного персептрона <...> Рис. 9.11. сходимость процесса обучения персептрона Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис <...> «БИБКОМ» & ООО «Aгентство Kнига-Cервис» 515 9.3.3.1. применение нейронных сетей типа «многослойный персептрон

Предпросмотр: Информационно-телекоммуникационные и компьютерные технологии, устройства и системы состояние и перспективы развития в Южном федеральном университете.pdf (2,4 Мб)
45

№6 [Концепт, 2014]

в электронном периодическом научно-методическом журнале «Концепт»публикуются статьи и методические разработки, содержащие оригинальные результаты исследований по следующим областям знаний: (01) история; археология; этнография; (02) экономика; (03) философия; социология; политология; правоведение; науковедение; (04) филология; искусствоведение; культурология; (05) комплексное изучение человека; психология; социальные проблемы медицины и экологии человека; (06) педагогика; история педагогики и образования; теория и методика обучения и воспитания (по предметным областям). и написанные на русском языке

Ключевые слова: задачи открытого типа, обучение математике, проблемное обучение, развивающее обучение <...> Ключевые слова: обучение математике, задачи открытого типа, проблемное обучение, развивающее обучение <...> данных занятий является изучение однослойных искусственных нейронных сетей (ИНС), принципов работы персептрона <...> Изучить принципы работы персептрона на примере персептрона Розенблатта, классифицирующего цифры по признаку <...> Рассмотреть обобщенный алгоритм обучения персептрона с использованием дельта-правила для решения задачи

Предпросмотр: Концепт №6 2014.pdf (0,2 Мб)
46

Обучение старшеклассников основам предпринимательской деятельности

Автор: Богданов
М.: ПРОМЕДИА

и с к а н и е у ч е н о м стсисмм | к а н д и д а т а п е д а г о г и ч е с к и х наук Самара 1999 ОБУЧЕНИЕ <...> Обучение основам пред­ принимательской деятельности обусловлено объективной необхо­ димостью подготовки <...> Дидактические ус­ ловия трудовой подготовки, особенности соединения обучения с производительным трудом <...> Вопросы преемствен­ ности в трудовой и профессиональной подготовке на разных этапах обучения, развития <...> Обучение основам предпринимательской деятельности должно проходить через включение старшеклассников в

Предпросмотр: Обучение старшеклассников основам предпринимательской деятельности.pdf (0,0 Мб)
47

Методика обучения доказательству с использованием средств естественного вывода при изучении курса математики основной школы монография

Автор: Лукьянова Е. В.
М.: Издательство Прометей

В данной работе представлена методика обучения доказательству учащихся основной школы на базе концепции обучения школьников доказательству с использованием средств естественного вывода. Понятие доказательства адаптировано к школьному курсу математики в виде дерева - дедуктивной схемы доказательства. Разработана методика использования этих схем при обучении анализу логической структуры доказательств и построению доказательств. Приведен комплекс специальных логико-ориентированных (дедуктивных) задач и вопросов, направленных на формирование дедуктивной деятельности учащихся.

Это дает основание полагать, что одной из основных задач обучения, в первую очередь обучения математике <...> возможности этого обучения. <...> Слепкань под обучением доказательству понимает обучение учащихся готовым доказательствам и обучение самостоятельному <...> Под обучением доказательству Г.И. <...> Существенное влияние на цели обучения оказывает содержание этого обучения, его структура.

Предпросмотр: Методика обучения доказательству с использованием средств естественного вывода при изучении курса математики основной школы Монография.pdf (0,4 Мб)
48

ЭЛЕКТРОННООПТИЧЕСКОЕ УСТРОЙСТВО ОЦЕНКИ МОРФОЛОГИЧЕСКИХ ПАРАМЕТРОВ КЛУБНЕЙ КАРТОФЕЛЯ ПРИ СОРТОСОПРОВОЖДЕНИИ АВТОРЕФЕРАТ ДИС. ... КАНДИДАТА ТЕХНИЧЕСКИХ НАУК

Автор: ПОКИДОВ ОЛЕГ ВИКТОРОВИЧ
М.: ВСЕРОССИЙСКИЙ НАУЧНО-ИССЛЕДОВАТЕЛЬСКИЙ ИНСТИТУТ ЭЛЕКТРИФИКАЦИИ СЕЛЬСКОГО ХОЗЯЙСТВА

Цепь работы: разработка электрооптического устройства оценки степени выраженности морфологических параметров клубней картофеля (форма, цвет кожуры, цвет мякоти, цвет основания глазка), обеспечивающего обнаружение отклонений параметров сорта в процессе его испытания и при производстве семенного картофеля.

параметра, Доя оценки цветовых параметров клубня была доказана необходимость использова­ ния процедуры обучения <...> классификатора методом "обучение с учителем". <...> Во время проце­ дуры обучения осуществляется накопление необходимой информации для всех классов цве­ <...> Процесс обучения завершается при достижении желаемого результата оценки параметра, то есть когда все <...> Доказана необходимость предварительного обучения устройства методом "обучение с учителем" дтя оценки

Предпросмотр: ЭЛЕКТРОННООПТИЧЕСКОЕ УСТРОЙСТВО ОЦЕНКИ МОРФОЛОГИЧЕСКИХ ПАРАМЕТРОВ КЛУБНЕЙ КАРТОФЕЛЯ ПРИ СОРТОСОПРОВОЖДЕНИИ.pdf (0,0 Мб)
49

Формирование командно-методических навыков у воспитанников суворовских военных училищ на занятиях по физической подготовке

Автор: Суворов
М.: ПРОМЕДИА

А к т у а л ь н о с т ь работы обусловлена: необходимостью пересмотра содержания и методики обучения <...> Существующая система обучения воспитанников суворовских военных училищ в целом позволяет подготовить <...> Эффективность обучения и воспитания личного состава армии и Флота во многом зависит от методического <...> Такое деление может привести к исчезновении законченного цикла, характерного для процесса обучения. <...> Такой подход хорошо согласуется с принципами программированного обучения. 4.

Предпросмотр: Формирование командно-методических навыков у воспитанников суворовских военных училищ на занятиях по физической подготовке.pdf (0,0 Мб)
50

Формирование командно-методических навыков у воспитанников суворовских военных училищ на занятиях по физической подготовке

Автор: Суворов
М.: ПРОМЕДИА

А к т у а л ь н о с т ь работы обусловлена: необходимостью пересмотра содержания и методики обучения <...> Существующая система обучения воспитанников суворовских военных училищ в целом позволяет подготовить <...> Эффективность обучения и воспитания личного состава армии и Флота во многом зависит от методического <...> Такое деление может привести к исчезновении законченного цикла, характерного для процесса обучения. <...> Такой подход хорошо согласуется с принципами программированного обучения. 4.

Предпросмотр: Формирование командно-методических навыков у воспитанников суворовских военных училищ на занятиях по физической подготовке.pdf (0,0 Мб)
Страницы: 1 2 3 ... 2206