Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 519686)
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: 165583 (1,46 сек)

Свободный доступ
Ограниченный доступ
Уточняется продление лицензии
1

Метод динамической реконфигурации и обучения сети на основе радиально-базисных функций [Электронный ресурс] / Аюев // Прикладная информатика / Journal of Applied Informatics .— 2011 .— №5 .— С. 118-126 .— Режим доступа: https://rucont.ru/efd/453297

Автор: Аюев

Основным препятствием, возникающим на пути практического внедрения нейросетевых приложений на основе радиально-базисных функций, является требование полноты обрабатываемых выборок данных. По этой причине особый интерес представляют методы, свободные от указанного ограничения

Баумана Метод динамической реконфигурации и обучения сети на основе радиально-базисных функций Основным <...> Анализ времени, затраченного на обучение сети на ОВ, позволяет выявить общую тенденцию: снижение продолжительности <...> На фоне незначительного вклада величины порога Imin в скорость обучения сети, сама процедура расчета <...> Модифицированный градиентный алгоритм обучения радиально-базисных нейронных сетей // Известия Томского <...> Кластерный метод подбора параметров и обучения на неполных данных искусственных нейронных сетей ХехтНильсона

2

РЕШЕНИЕ КРАЕВЫХ ЗАДАЧ МАТЕМАТИЧЕСКОЙ ФИЗИКИ С ПОМОЩЬЮ СЕТЕЙ РАДИАЛЬНЫХ БАЗИСНЫХ ФУНКЦИЙ [Электронный ресурс] / Жуков, Горбаченко // Журнал вычислительной математики и математической физики .— 2017 .— №1 .— С. 135-145 .— Режим доступа: https://rucont.ru/efd/591229

Автор: Жуков

Развивается нейросетевой метод решения краевых задач математической физики, в частности, на основе метода доверительных областей разработан метод обучения сетей радиальных базисных функций, позволяющий существенно сократить временные затраты на настройку их параметров, а также предложен метод решения коэффициентных обратных задач, не требующий построения и решения сопряженных задач. Библ. 33. Фиг. 7

, обучение нейронных сетей, метод доверительных областей, коэффициентные обратные задачи. <...> В процессе обучения в сеть добавляются дополнительные нейроны. <...> На фиг. 2 и 3 представлены предварительная и конечная (после обучения) конфигурации РБФ-сети. <...> Обучение сети завершилось на 8-й итерации со значением погрешности решения, равной . <...> Однако процесс обучения такой сети требует значительно больше времени (для обучения сети из первого эксперимента

3

Мягкие вычисления при оценке кредитоспособности [Электронный ресурс] / М.Л. Кричевский // Управление риском .— 2014 .— №1 .— С. 42-52 .— Режим доступа: https://rucont.ru/efd/611729

Автор: Кричевский Михаил Лейзерович

Рассмотрены возможности применения мягких вычислений для оценки кредитоспособности предприятий. Приведены примеры таких оценок, выполненных на основе нечеткой логики и нейронных сетей

, базы примеров для ее обучения. <...> Чем больше число скрытых нейронов, тем больше требуется итераций на стадии обучения сети. <...> В такой ситуации обучение сети становится более длительным процессом. <...> На обучение сети и ее обобщающие способности может оказывать влияние разница в пропорции между банкротами <...> сети).

4

Использование нейросетевых моделей в поведенческом скоринге [Электронный ресурс] / Сорокин, Сорокин // Прикладная информатика / Journal of Applied Informatics .— 2015 .— №2 .— С. 92-109 .— Режим доступа: https://rucont.ru/efd/428738

Автор: Сорокин

В основе построения скоринговых систем могут быть использованы различные математикостатистические модели. Эти модели могут быть получены методами линейной регрессии, логистической регрессии, дискриминантного анализа, деревьев решений, нейронных сетей и других методов. В статье рассматривается пример построения модели поведенческого скроринга в банковской сфере на основе нейронной сети в программе IBM SPSS Statistics. Приводятся методика моделирования, последовательность настройки параметров сети в диалоговых окнах процедур программы SPSS, программный код синтаксиса команд SPSS для реализации рассмотренного алгоритма, а также результаты моделирования. Эти результаты могут быть использованы в учебном процессе для проведения лабораторных работ и практикумов при обучении методам нейросетевого моделирования в программе SPSS, а также для самостоятельных исследований.

Обучение сети, нейроны которой находятся в таком режиме, будет проходить очень медленно [3; 11]. <...> Разделение выборок позволяет оценить, в каком состоянии находится нейронная сеть после обучения. <...> Управление обучением Управление обучением нейронной сети осуществляется на вкладке Обучение (рис. 6). <...> В области Правила остановки задаются критерии остановки алгоритма обучения сети. <...> Таким образом, для обучения сети и настройки алгоритмов обучения было использовано всего по 1% доступных

5

Основы нейроинформатики [учеб. пособие]

Автор: Солдатова
Издательство СГАУ

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

и метод обучения этой сети. <...> Основные положения градиентных алгоритмов обучения сети Задачу обучения нейронной сети будем рассматривать <...> Основные алгоритмы обучения радиальных сетей 3.3.1. <...> Алгоритм обучения рекуррентной сети Эльмана Для обучения сети Эльмана будем использовать градиентный <...> Гибридный алгоритм обучения радиальных сетей 3.3.3.

Предпросмотр: Основы нейроинформатики.pdf (1,0 Мб)
6

АППЛИКАЦИЯ НЕЙРОННЫХ СЕТЕЙ К ЭКОНОМИЧЕСКИМ ИССЛЕДОВАНИЯМ [Электронный ресурс] / Гостилович [и др.] // Проблемы экономики .— 2015 .— №5 (69) .— С. 29-32 .— Режим доступа: https://rucont.ru/efd/493303

Автор: Гостилович

Статья посвящена описанию нейронной сети, принципам работы и обучения искусственной нейронной сети и её применению в экономике

сети, принципам работы и обучения искусственной нейронной сети и её применению в экономике. <...> с выбранным алгоритмом обучения. <...> Обучающий вектор содержит по одному значению на каждый вход сети и, в зависимости от типа обучения, по <...> Обучение сети на необработанном наборе зачастуюухудшает качество результатов. <...> Для повышения качества обучения сети применяют следующие способы: • Нормировка выполняется, когда на

7

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

Описывается методика обучения и применения сети. <...> Обучение сети может быть с учителем или без него. <...> Обучение персептрона является обучением с учителем. <...> Задача обучения персептрона: подобрать такие значения параметров сети, чтобы ошибка была минимальна для <...> Процесс обучения нейронной сети: 1 — цель обучения, 2 — ошибка по обучающему множеству, 3 — ошибка по

8

СОВРЕМЕННЫЕ ТЕХНОЛОГИИ ВЫЯВЛЕНИЯ МОШЕННИЧЕСКИХ ТРАНЗАКЦИЙ, ПРОВОДИМЫХ С ИСПОЛЬЗОВАНИЕМ БАНКОВСКИХ КАРТ [Электронный ресурс] / В.В. Климов, Щукин // Финансовый бизнес .— 2015 .— №3 .— С. 26-31 .— Режим доступа: https://rucont.ru/efd/608111

Автор: Климов Валентин Вячеславович

Проблема выявления мошеннических операций, проводимых с использованием банковских карт, является одной из ключевых в деятельности российских кредитных организаций. В настоящее время банки несут серьезные убытки по выплатам компенсаций держателям карт в случае хищения хранящихся на них средств. Являясь эмитентами данного платежного инструмента, кредитные организации также подвержены риску вовлечения в проведение сомнительных операций, связанных с легализацией преступных доходов. В сложившихся условиях исследования в области построения программных систем и комплексов, направленных на предотвращение или усложнение проведения возможных подозрительных операций с банковскими картами, непрерывно продолжаются. В статье рассматривается задача выявления мошеннических транзакций, осуществляемых с использованием банковских карт, на базе построения нейронных сетей и их комитетов

Выбор параметров обучения каждой сети и ее обучение. 5. <...> Это принципиальный момент при обучении нейронной сети. <...> Обучение­нейронной­сети Обучение каждой входной нейросети производится автономно с помощью набора векторов <...> Обучение сети комитета производится с помощью набора выходов входных сетей, получающегося при их тестировании <...> Результаты обучения сети RP64-7-4-1.

9

ИССЛЕДОВАНИЕ ПОГРЕШНОСТИ ПРОГНОЗИРОВАНИЯ КОТИРОВОК АКЦИЙ ПРИ ПОМОЩИ МОДЕЛИ НЕЧЕТКОЙ НЕЙРОННОЙ СЕТИ ВАНГА – МЕНДЕЛЯ [Электронный ресурс] / Солдатова // Известия высших учебных заведений. Поволжский регион. Технические науки .— 2015 .— №4 .— С. 17-26 .— Режим доступа: https://rucont.ru/efd/552587

Автор: Солдатова

Актуальность и цели. Прогнозирование котировок акций является актуальной задачей, однако не менее актуальной является задача выявления корреляционной зависимости между прогнозируемой последовательностью и последовательностями биржевых цен на другие товары. Целью данной работы является исследование эффективности прогнозирования котировок акций с использованием корреляционной зависимости с ценами на сырьевые товары при помощи модели нечеткой нейронной сети Ванга – Менделя Материалы и методы. Все исследования проводились в среде разработанного комплекса программ, в котором реализована программная модель сети Ванга – Менделя, обучение сети проводилось тремя различными алгоритмами и отображение результатов обучения и прогнозирования в виде графиков и значений погрешностей. Предложена методика определения корреляционных зависимостей между обучающими выборками по графикам корреляционных функций и значениям временных задержек, расчета корреляционной зависимости прогнозируемой последовательности и обучения сети Ванга – Менделя. Исследования проводились на котировках акций нефтегазовых компаний: ОАО «Лукойл», ОАО «Роснефть» и ОАО «Транснефть». Для исследования корреляционной зависимости были выбраны цены на нефть двух марок – Brent и WTI, а также цены на мазут. Результаты. Использование корреляционной зависимости между прогнозируемой последовательностью и обучающими выборками улучшает прогнозирующие способности сети Ванга – Менделя, значительно уменьшая максимальную относительную погрешность прогнозирования. Анализ эффективности прогнозирования показал преимущество использования не менее двух коррелирующих выборок со средними задержками (не более 60–70 дней). Анализ влияния алгоритмов обучения на погрешность прогнозирования показал преимущество адаптивного алгоритма и алгоритма наискорейшего спуска с инициализацией алгоритмом k-усреднений по сравнению с алгоритмом наискорейшего спуска с инициализацией адаптивным алгоритмом. Выводы. Предложенные методики, модели и алгоритмы, а также проведенные исследования, позволили получить численные оценки погрешности прогнозирования без использования и с использованием корреляционной зависимости обучающих выборок, на основании которых можно сделать обоснованный выбор коррелирующих выборок и алгоритмов обучения сети.

Ванга – Менделя, обучение сети проводилось тремя различными алгоритмами и отображение результатов обучения <...> Модель сети Ванга – Менделя и методика обучения Сеть Ванга – Менделя относится к классу нечетких продукционных <...> В разработанной программной модели сети реализованы три алгоритма обучения: алгоритмы самоорганизации <...> сети Ванга – Менделя в виде последовательного применения двух алгоритмов обучения: k-усреднений и наискорейшего <...> сети, а алгоритм наискорейшего спуска служит для их уточнения в процессе обучения [6]. 3.

10

Два подхода к обучению радиально-базисных нейронных сетей при решении дифференциальных уравнений в частных производных [Электронный ресурс] / Горбаченко, Артюхина // Известия высших учебных заведений. Поволжский регион. Технические науки .— 2007 .— №2 .— С. 56-66 .— Режим доступа: https://rucont.ru/efd/269275

Автор: Горбаченко
М.: ПРОМЕДИА

В работе рассматривается применение радиально-базисных нейронных сетей для решения краевых задач математической физики. Предлагается подход к обучению радиально-базисной нейронной сети, использующий конечно-разностную аппроксимацию уравнения. Экспериментально показаны преимущества предлагаемого подхода перед традиционным способом обучения сети для решения дифференциальных уравнений в частных производных. Предложен и исследован вариант алгоритма градиентного спуска обучения RBF-сети, отличающийся от известных алгоритмов вычисляемым коэффициентом скорости обучения весов сети, что исключает неформальный и трудоемкий процесс подбора коэффициента скорости обучения.

Градиентный алгоритм обучения сети Рассмотрим градиентный алгоритм обучения радиально-базисной нейронной <...> Как в первом, так и во втором подходе для обучения сети используется градиентный алгоритм обучения, одновременно <...> обучения сети очень важны для сходимости сетевых параметров. <...> При этом на скорость обучения сети основное влияние оказывает скорость обучения весов. <...> уравнения и вычисляемым коэффициентом скорости обучения весов сети.

11

ПОСТРОЕНИЕ НЕЧЕТКОЙ ГИБРИДНОЙ СИСТЕМЫ ОБУЧЕНИЯ И КОНТРОЛЯ [Электронный ресурс] / Астахова, Шашкин, Сухотерина // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2015 .— №1 .— С. 89-97 .— Режим доступа: https://rucont.ru/efd/511674

Автор: Астахова

Рассматривается построение нечеткой гибридной системы обучения и контроля. Для классификации учащихся используется сеть Кохонена, для предсказания развития учебного курса предлагаются методы нечеткой логики

обучения и контроля. <...> Обучение сети начинается с задания небольших случайных значений элементам весовой матрицы .w В дальнейшем <...> В конце этапа обучения участвуют в обучении только веса нейрона с номером .k Темп обучения Nα с течением <...> Алгоритм обучения сети Кохонена состоит из следующих шагов. 1. Инициализация сети. <...> сети классификация знаний студентов выполняется посредством подачи испытуемого вектора на вход сети

12

Идентификация образцов воды источников и рек г. Харьков: сравнение методов многомерного анализа данных [Электронный ресурс] / Пушкарева [и др.] // Вестник Московского университета. Серия 2. Химия .— 2012 .— №6 .— С. 47-54 .— Режим доступа: https://rucont.ru/efd/346328

Автор: Пушкарева

Рассмотрено применение искусственных нейронных сетей для установления происхождения образцов вод из разных источников и рек г. Харьков по данным о содержании ионов металлов. На примере образцов речных вод показана возможность верной идентификации образцов даже при наличии пропусков в исходных данных. Изложены рекомендации по выбору оптимального числа нейронов для синтеза нейросетей.

вод применили алгоритмы нейронных сетей «с обучением» (вероятностную сеть, динамическую сеть, каскадную <...> Для многих нейронных сетей этапом, предваряющим процедуру их обучения, является инициализация весов и <...> В качестве метода обучения для каскадной сети, сети с прямым распространением сигнала и динамической <...> Критерием остановки обучения сети являлось достижение значения средней квадратичной ошибки обучения, <...> , можно применять для обучения разных типов нейронных сетей.

13

ОБЗОР И АНАЛИЗ МЕТОДИК ПОДБОРА СКВАЖИН-КАНДИДАТОВ ДЛЯ ГЕОЛОГО-ТЕХНИЧЕСКИХ МЕРОПРИЯТИЙ [Электронный ресурс] / Потапова // Автоматизация, телемеханизация и связь в нефтяной промышленности .— 2016 .— №2 .— С. 14-19 .— Режим доступа: https://rucont.ru/efd/405505

Автор: Потапова

В статье описываются основные методики, используемые при подборе скважин-кандидатов для различных геолого-технических мероприятий (ГТМ) как в российской, так и в зарубежной практике. Проводится сравнительный анализ классических методов, к которым относится детальный анализ скважин вручную и регрессионный анализ (с применением метода главных компонент), и неклассических методов, которые предполагают применение искусственных нейронных сетей, генетических алгоритмов и теории нечетких множеств, выявляются достоинства и недостатки каждого метода. К достоинствам классических методов относится возможность подробно анализировать информацию, оценивать ее качество и достоверность, к недостаткам – трудоемкость и длительность. Виртуальные методики эффективны при наличии большого объема информации, однако чувствительны к входным данным и требуют ручной настройки. В статье также отмечается, что, несмотря на большой объем литературы по данной теме, лишь в редких источниках приводятся результаты применения тех или иных методик для прогнозирования эффекта от ГТМ. Хотя рассматриваемая задача является актуальной, в особенности для крупных месторождений, в настоящий момент не существует универсального подхода к ее решению.

Данные об уже проведенных ГРП используются для обучения нейронной сети до достижения удовлетворительного <...> В результате было достигнуто лучшее совпадение входных и выходных параметров при обучении нейронной сети <...> Для обучения сети были выбраны только те скважины, для которых были известны все необходимые данные, <...> Обучение сети происходило на 17 скважинах, восемь использовались для последующей проверки. <...> Для обучения сети использовались 15 скважин, и четыре скважины были взяты для проверки.

14

Распараллеливание нейросетевого алгоритма решения краевых задач математической физики на многоядерных процессорах NVIDIA [Электронный ресурс] / Горбаченко, Матвеева, Гурин // Известия высших учебных заведений. Поволжский регион. Технические науки .— 2011 .— №4 .— С. 57-65 .— Режим доступа: https://rucont.ru/efd/269591

Автор: Горбаченко
М.: ПРОМЕДИА

Рассматривается возможность эффективной реализации нейросетевого алгоритма решения краевых задач математической физики на многоядерном графическом процессоре NVIDIA GeForce 8800 GTX. Предлагаются методы распараллеливания основных вычислений алгоритма обучения радиально-базисной нейронной сети (RBFNN), решающей уравнение Пуассона, с использованием технологии CUDA. Проводится сравнение времени обучения RBFNN на центральном и массивно-параллельном графическом процессорах.

Алгоритм обучения радиально-базисной нейронной сети Рассмотрим градиентный алгоритм обучения радиально-базисной <...> Обучение сети сводится к настройке весов, расположения центров и ширины нейронов, минимизирующих функционал <...> Функционал (6) необходим для обучения сети. <...> Анализ результатов экспериментов Алгоритм обучения радиально-базисной нейронной сети реализовывался с <...> Исследование градиентных алгоритмов обучения весов радиально-базисных нейронных сетей для решения краевых

15

КЛАССИФИКАЦИЯ ДЕФЕКТОВ ВНУТРЕННЕЙ ПОВЕРХНОСТИ ТРУБ ПРИ АВТОМАТИЗИРОВАННОМ ВИЗУАЛЬНОМ КОНТРОЛЕ [Электронный ресурс] / Цапаев // Вестник компьютерных и информационных технологий .— 2013 .— №3 .— С. 25-28 .— Режим доступа: https://rucont.ru/efd/569215

Автор: Цапаев

Рассмотрена проблема автоматизации визуального контроля внутренней поверхности труб, в частности подзадача распознавания дефектов. Предложено использование геометрических и текстурных признаков для классификации дефектов внутренней поверхности труб

Дефекты классифицировались на основании представленных признаков с помощью сформированной нейронной сети <...> Для классификации дефектов была сформирована нейронная сеть, состоящая из трех слоев. <...> Обучение сети производилось на выборке из 10 изображений каждого класса (на вход подавалось 20 признаков <...> Обучение привело к достижению заданного значения функции эффективности функционирования (суммарная квадратичная <...> Работа сети исследовалась на 100 модельных изображениях каждого класса.

16

НЕЙРОННЫЕ СЕТИ КАК ИНСТРУМЕНТ ОБЪЕКТИВИЗАЦИИ ОЦЕНОК ТРУДОВОГО ПОТЕНЦИАЛА [Электронный ресурс] / Л.Н. Юдина, Коcарева // Бизнес. Образование. Право. Вестник Волгоградского института бизнеса .— 2017 .— №2(39) .— С. 112-115 .— Режим доступа: https://rucont.ru/efd/607084

Автор: Юдина Лилия Николаевна

В статье рассмотрены существующие подходы к оценке трудового потенциала работника. Проанализированы достоинства и недостатки каждого из подходов. Для повышения объективности систем оценки трудового потенциала рекомендовано использовать аппарат теории искусственных нейронных сетей. В качестве достоинства данного подхода можно отметить возможность построения достаточно широкого класса нелинейных моделей с реализацией автоматизированных процедур подбора параметров модели. Для расширения возможностей систем повышения квалификации работников рекомендовано использовать двухкомпонентную модель трудового потенциала, включающую профессиональный потенциал и потенциал развития

Осуществить выбор первоначальной конфигурации нейронной сети. 3. <...> Провести обучение сети с использованием обучающей выборки. <...> В ходе обучения происходит адаптация нейронной сети за счет изменения значений весовых коэффициентов, <...> отражающих взаимосвязи сети, а в некоторых случаях осуществляется корректировка конфигурации самой сети <...> использовании этого подхода не удается в явном виде получить зависимости вида (1) — (3), однако в целом обученная

17

ПРЕДСТАВЛЕНИЕ КОНЕЧНЫХ ГРУПП НЕЙРОННЫМИ СЕТЯМИ [Электронный ресурс] / Головинский, Довжикова // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2008 .— №1 .— С. 49-55 .— Режим доступа: https://rucont.ru/efd/519625

Автор: Головинский

Рассмотрено представление дискретных групп и полугрупп нейронными сетями. Построен алгоритм выделения из временного ряда структуры, представляемой конечным автоматом, и продемонстрирована реализация конечного автомата нейронными сетями. Установлена связь дискретных симметрий с симметриями перестановок входов нейронов в сети. Показана возможность применения нейронных сетей, использующих инварианты групп, для оценки точности симметрии данных

Все переходы в сети, кроме последнего, производятся универсально, то есть не зависят от процедуры обучения <...> Обучение сети производится по таблице, на основе которой формируется матричный нейрон с весом kij klw <...> Обучение может быть проведено, например, методом проекций. <...> После обучения на полном множестве переходов полугруппы сеть будет изоморфна автомату, который ее обучал <...> заранее до обучения сети предусмотреть равенство весов у соответствующих симметричных входов.

18

РАЗРАБОТКА МОДЕЛИ ПСИХОЭМОЦИОНАЛЬНОГО СОСТОЯНИЯ ДИСПЕТЧЕРА АСДУ [Электронный ресурс] / Шишов, Колесникова, Пулин // Автоматизация, телемеханизация и связь в нефтяной промышленности .— 2017 .— №1 .— С. 16-24 .— Режим доступа: https://rucont.ru/efd/569409

Автор: Шишов

В статье рассмотрены проблемы, возникающие при работе с эргатическими системами в нефтегазовой отрасли – определение роли человека в сложной человеко-машинной системе, выявление профессионально важных характеристик работника, оценка психологических и физиологических особенностей человека-диспетчера в автоматизированной системе диспетчерского управления (АСДУ). Введена классификация характеристик диспетчера по их изменению во времени (статические и динамические), а также учтена необходимость различного подхода при их измерении. Для определения оценки надежности статических характеристик разработана система психологических и когнитивных тестов и предложена нечеткая модель. Для оценки динамических характеристик созданы модели, определяющие эмоциональное состояние человека по речевым параметрам и напряженность по изменениям мимики

Обучение модели проводится для каждого человека отдельно с целью учета индивидуальных особенностей. <...> Исходные данные для обучения сети взяты из немецкой базы эмоций "Emo-DB" [5] и из английской базы "Emotional <...> После обучения появляется возможность записывать разные речевые сигналы, подавать на вход сети рассчитанные <...> Обучение сети проходило по алгоритму Бройдена – Флетчера – Гольдфарба – Шанно с ограниченным использованием <...> Архитектура нейронной сети Для проверки сети использовался метод кроссвалидации – метод оценки аналитической

19

Основы экспериментальных исследований : учебное пособие. Направление подготовки 13.03.02 – Электроэнергетика и электротехника. Профиль подготовки «Электроснабжение». Бакалавриат

Автор: Баландина Н. В.
изд-во СКФУ

Составлено в соответствии с требованиями Федерального государственного стандарта высшего профессионального образования, рабочим учебным планом и программой дисциплины «Электроэнергетика и электротехника» для студентов направления подготовки 13.03.02 – Электроэнергетика и электротехника

Процесс обучения использует три фундаментальных свойства, связанных с обучением сети: загруженность сети <...> Обучение сети. <...> Процесс обучения сети После обучения наша сеть готова к работе. <...> На рис. 3.34 виден результат обучения сети. <...> Обучение сети прошло в 2 этапа. После обучения сети произошли изменения в выходной переменной.

Предпросмотр: Основы экспериментальных исследований учебное пособие. Направление подготовки 13.03.02 – Электроэнергетика и электротехника. Профиль подготовки «Электроснабжение». Бакалавриат.pdf (0,6 Мб)
20

Развитие метода сигнальной идентификации буримости горных пород в реальном времени [Электронный ресурс] / Семенцов, Сабат, Гутак // Автоматизация, телемеханизация и связь в нефтяной промышленности .— 2014 .— №2 .— С. 32-37 .— Режим доступа: https://rucont.ru/efd/349481

Автор: Семенцов

При бурении одним долотом нового поколения разбуривается несколько разнородных пачек пород, буримость которых необходимо знать для уточнения параметров математической модели и определения оптимальных управляющих воздействий для следующего интервала бурения. Известные методы контроля буримости горных пород не соответствуют современному уровню автоматизации процесса бурения. Проведены исследования взаимосвязей механической скорости бурения с износом долота и начальной механической скорости бурения с управляющими воздействиями. Предложена методика сигнальной идентификации и автоматизированного бесконтактного контроля буримости горных пород в процессе углубления скважин на основе L-критерия и рекуррентного алгоритма кумулятивных сумм. Установлено, что начальная механическая скорость бурения, как показатель буримости, зависит от параметров режима бурения, диаметра долота и мощности на долоте. Получена обобщенная математическая модель. Для сигнальной идентификации буримости горных пород в реальном времени рекомендуется выбирать ту механическую скорость, которая определяется в начале бурения алмазным или незатупленным шарошечным долотом при бурении с оптимальными управляющими воздействиями. Это дает возможность определять связи показателей буримости с глубиной скважины, которые являются базой для текущей оптимизации процесса бурения. Разбиение горной породы на классы по буримости осуществляется с помощью нейронной сети.

ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ Автоматизация, телемеханизация и связь в нефтяной промышленности, 2/2014 35 Обучение <...> сети осуществляли с помощью имитационного моделирования. <...> Сеть обучалась на объеме выборки, равной 250. <...> Тестирование сети показало, что после обучения сеть правильно осуществила классификацию (рис. 4, а). <...> Видно, что сеть отнесла его ко второму классу.

21

Объектно-ориентированное проектирование нейронной сети для автоматизации определения архитектуры вычислительной системы в задачах обеспечения информационной безопасности [Электронный ресурс] / Сельвесюк [и др.] // Научный вестник Новосибирского государственного технического университета .— 2016 .— №1 .— С. 133-145 .— Режим доступа: https://rucont.ru/efd/610320

Автор: Сельвесюк

Статья посвящена вопросам анализа бинарных данных, содержащихся во внутренней энергонезависимой памяти вычислительных систем. Показано, что при решении задач, предполагающих анализ бинарных данных, в условиях отсутствия технической документации на целевую вычислительную систему возникает необходимость определения архитектуры вычислительной системы. Отмечено, что отсутствие методов и средств автоматизации определения архитектуры вычислительной системы приводит к повышению требований к квалификации аналитика, увеличению временных затрат и снижению достоверности. Таким образом, очевидна актуальность решения задачи разработки средств автоматизации определения архитектуры вычислительной системы по имеющимся бинарным данным. Обоснована необходимость использования математического аппарата нейронных сетей. Исходя из анализа предметной области установлено, что в полном объеме реализовать процессы обучения и применения по назначению при решении поставленной задачи позволят рекуррентные нейронные сети. Обоснована необходимость проектирования программного изделия, реализующего рекуррентную нейронную сеть и предназначенного для автоматизации определения архитектуры вычислительной системы по имеющимся бинарным данным. Предложено использование объектноориентированного подхода при проектировании указанного программного изделия. Сформулированы основные задачи, решаемые изделием: создание рекуррентных нейронных сетей, настройка параметров оптимизации, интерпретация значений выходного слоя и вычисление

Как и в случае с сетью прямого распространения, задача обучения рекуррентной нейронной сети является <...> На рис. 4 показана схема обучения такой рекуррентной нейронной сети. Рис. 4. <...> Схема обучения рекуррентной нейронной сети Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис» <...> Как видно из диаграммы, возможно два основных режима работы – это обучение нейронной сети на заданных <...> При подаче на нейронную сеть бинарных данных последовательным образом (к примеру, по байтам) обученная

22

Системы мониторинга мошеннических операций с платежными карточками [Электронный ресурс] / Мельников, Дмитрий // Банковские технологии .— 2006 .— №11 .— С. 33-37 .— Режим доступа: https://rucont.ru/efd/308966

Автор: Мельников
М.: ПРОМЕДИА

О методах борьбы с мошенническими операциями с использованием платежных карточек.

поведения сети. <...> Обучение сети направлено на минимизацию ошиб ки решения, при этом назначаются соответствующие веса и <...> том — так называемая ошибка обучения. <...> Чтобы сни зить ошибку обучения, через сеть необходимо про гнать как можно больше наблюдений. <...> Должным образом настроенная и обученная ней ронная система мониторинга позволяет повысить эффективность

23

ОЦЕНКА УРОВНЯ ЛОГИСТИЧЕСКИХ ЗАТРАТ В РОССИЙСКОЙ ФЕДЕРАЦИИ [Электронный ресурс] / Лукинский, Семенов // Логистика и управление цепями поставок .— 2012 .— №6 .— С. 28-35 .— Режим доступа: https://rucont.ru/efd/595319

Автор: Лукинский

В статье представлены методы расчета общих логистических затрат в РФ на основе четырех методов: множественной регрессии, нейронных сетей, экспертных опросов и комбинированных оценок. Предложенные подходы могут служить основой для формирования метода оценки общих логистических затрат

При обучении нейронной сети в качестве баз данных были выбраны три страны (Индия, США, Бразилия), статистика <...> нейронной сети Создание нейронной сети (определение количество слоев, количество нейронов) Обучение <...> сети (метод Хебба, метод конкурентного обучения) Проведение расчетов Изменения объема Изменения структуры <...> После проведения процедуры обучения были получены синоптические веса каждого нейрона. <...> Искусственные нейронные сети.

24

ОЦЕНКА ИННОВАЦИОННОЙ ПРИВЛЕКАТЕЛЬНОСТИ ПРОЕКТА С ИСПОЛЬЗОВАНИЕМ НЕЙРО-НЕЧЕТКОГО АДАПТИВНОГО ПРОГРАММНОГО КОМПЛЕКСА [Электронный ресурс] / Рогозин // Инженерный журнал: наука и инновации .— 2012 .— №1 .— Режим доступа: https://rucont.ru/efd/274734

Автор: Рогозин
М.: Изд-во МГТУ им. Н.Э. Баумана

Рассмотрен программный комплекс анализа качественных характеристик инновационного проекта, разработанный с помощью созданной нейро-нечеткой модели, благодаря которой можно получать эффективное решение для слабо-структурируемых задач. Предложен подход к реализации структуры системы на основе процессной организации, приведена реализация модуля для наиболее известного алгоритма нечеткого вывода Мамдани. Разработана система критериев для оценки эффективности инновационного проекта. Проведен анализ скорости и качества обучения системы.

Проведен анализ скорости и качества обучения системы. <...> подобно сети на основе метода Суджено. <...> модифицироваться в процессе обучения. <...> Обучение сети для нечеткого вывода по алгоритму Мамдани. <...> Чем меньше величина q, тем эффективнее обучение.

25

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.

Оптимальное проектирование и обучение нейронных сетей шению погрешности обучения сети и повышению ее <...> Обучение сети Обучение сети — очень важный, но не окончательный этап создания нейросетевой математической <...> при обучении сети. <...> поочередное обучение таких усеченных сетей. <...> Первоначальное проектирование сети Этап 4. Обучение сети Этап 5.

Предпросмотр: Интеллектуальные системы учебник — Эл. изд..pdf (0,2 Мб)
26

CИСТЕМА ПРИНЯТИЯ РЕШЕНИЙ ПРИ ОПЕРАТИВНОМ УПРАВЛЕНИИ ЗАВОДНЕНИЕМ НА ОСНОВЕ ПРОКСИ-МОДЕЛЕЙ, АПРОБИРОВАННАЯ НА ОДНОМ ИЗ МЕСТОРОЖДЕНИЙ ХМАО [Электронный ресурс] / Бриллиант [и др.] // Недропользование - ХХI век .— 2016 .— №5(62) .— С. 90-101 .— Режим доступа: https://rucont.ru/efd/549269

Автор: Бриллиант

Авторы предлагают решения по оптимизации системы заводнения одного из месторождений ХМАО. В статье описана система принятия решений при планировании работ на скважинах, основанная на прокси-моделировании, и обоснована возможность увеличения добычи нефти и снижения операционной себестоимости за счет решения оптимизационной задачи в системе добывающих и нагнетательных скважин

Для решения оптимизационной задачи используется сеть прямого распространения сигнала [4]. <...> Обучение сети такого типа производится методом обратного распространения ошибки. <...> Алгоритм процесса включает в себя три этапа: – прямой проход по слоям сети, при котором на вход сети <...> На вход нейронной сети подаются приемистости нагнетательных скважин, нейронная сеть подбирает весовые <...> Нейронные сети: полный курс: пер. с англ. М.: Вильямс, 2006. 1104 с. UDC 622.276 L.S.

27

Нейросетевой поиск особых точек для системы технического зрения при определении перемещения мобильной платформы [Электронный ресурс] / Корлякова // Инженерный журнал: наука и инновации .— 2014 .— №6 .— Режим доступа: https://rucont.ru/efd/279821

Автор: Корлякова
М.: Изд-во МГТУ им. Н.Э. Баумана

Представлена разработка модели технического зрения образов для решения задачи навигации мобильного робота в естественной среде. Рассмотрены возможности использования различных способов поиска особых точек. Определены требования к ортовым системам поиска особых точек. В качестве основного подхода предложено использовать нейросетевые модели обработки информации, показаны преимущества и недостатки этого подхода. Проведено исследование возможностей сетей опфилда и сетей на основе радиальных нейронов. Проведено моделирование и определены наиболее эффективные по точности и скорости модели сетей. Полученная модель проверена на реальных примерах. Рассмотрены возможные методы скорения процедуры поиска особых точек вследствие сокращения исследуемых областей. Определены пути реализации предлагаемого подхода в рамках бортовых систем технического зрения.

Проведено исследование возможностей сетей Хопфилда и сетей на основе радиальных нейронов. <...> Проведено моделирование и определены наиболее эффективные по точности и скорости модели сетей. <...> При обучении обеих сетей использовали образцы углов, прямых краев и монотонных областей, повернутых под <...> Эксперименты показали, что обучение сети Хопфилда позволяет определить незначительное количество угловых <...> Показано преимущество системы прямого доступа к эталонам на основе сети радиальных нейронов.

28

СИНТЕЗ ВТОРИЧНОГО ПРЕОБРАЗОВАТЕЛЯ ДЛЯ ЧАСТОТНЫХ ИЗМЕРИТЕЛЬНЫХ ПРИБОРОВ НА ОСНОВЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ [Электронный ресурс] / Локтюхин, Антоненко, Челебаев // Датчики и системы. Sensors & Systems .— 2013 .— №1 (164) .— С. 13-18 .— Режим доступа: https://rucont.ru/efd/598898

Автор: Локтюхин

Рассмотрены этапы синтеза вторичного преобразователя для частотных измерительных приборов на основе нейросетевых технологий. Приводится пример обучения преобразователя на линеаризацию характеристики частотного датчика уровня электропроводных сред, а также его реализация на ПЛИС

Характеристики и виä сети ìоãут уто÷нятüся в хоäе разработки преобразоватеëя. <...> В сëу÷аях реøения сëожных заäа÷ преобразования возìожно коìбинирование виäов сетей. <...> Обучение сети преобразователя На äанноì этапе осуществëяþтся выбор аëãоритìа обу÷ения сети (сì. рис. <...> ОБУЧЕНИЕ И РЕАЛИЗАЦИЯ НА ПЛИС ИНС-ПРЕОБРАЗОВАТЕЛЯ ДЛЯ УРОВНЕМЕРА ЭЛЕКТРОПРОВОДНЫХ СРЕД Известно реøение <...> Нейронные сети: основы теории. — М.: Горя÷ая ëиния — Теëекоì, 2010. — 496 с. 6. Локтюхин В.

29

Использование социальных сетей для дистанционных консультаций студентов (статья)

Автор: Левкин Григорий Григорьевич

В статье рассмотрены основные подходы к использованию социальных сетей при дистанционном обучении . На примере двух вузов определена возможность использования Интернет -технологий с целью повышения качества обучения студентов очного и заочного обучения. Дистанционное и виртуальное обучение 2010г № 8

Дистанционно е обучение В.Р. Глухих Г.Г. <...> Ключевые слова: дистанционное обучение, Интернет, информационные техноло­ гии, учебный сайт, социальная <...> сеть. <...> н и е . 2 0 1 0 . № 8 6 9 Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис» Дистанционно е обучение <...> . № 8 Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис» http://www.mail.ru Дистанционно е обучение

30

Нейронные сети учеб. пособие

Автор: Горожанина Е. И.
Изд-во ПГУТИ

Учебное пособие имеет целью ознакомить учащихся с компонентами интеллектуальных систем, а именно искусственные нейронные сети. Предусмотрено рассмотрение принципов построения интеллектуальных информационных систем и их «настройке». Затрагивается вопрос применения инструментальных средств поддержки проектирования и построения нейросетей.

Классификация нейронных сетей по характеру обучения делит их на:  нейронные сети, использующие обучение <...> с учителем;  нейронные сети, использующие обучение без учителя  смешанная парадигма обучения. <...> , а проверочные используются для расчета ошибки сети (проверочные данные никогда для обучения сети не <...> Обучение нейронной сети Кохонена является обучением без учителя. <...> Обучение без учителя – обучение сети, при котором обучающее множество состоит лишь из входных векторов

Предпросмотр: Нейронные сети учебное пособие.pdf (0,6 Мб)
31

«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]. <...> Обучение с учителем предполагает, что обучение происходит путем предъявления сети поCopyright ОАО «ЦКБ <...> Наряду с выбором алгоритма обучения не менее важным является стратегия обучения сети. <...> обучения нейронных сетей, которые рассматриваются ниже. 5.6. <...> Известен ряд приемов, позволяющих сократить время обучения сети.

Предпросмотр: «Основы теории управления и идентификации в технических системах» Книга 1.pdf (1,2 Мб)
32

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.

Сеть не может считаться обученной. <...> Сеть не может считаться обученной. <...> Обучение и тестирование сети. <...> На практике обучение сети SNk производится следующим образом: после обучения сети SNklas все сети объединяются <...> На практике обучение сети SNk производится следующим образом: после обучения сети SNklas все сети объединяются

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)
33

ПРОГНОЗИРОВАНИЕ ФРАКТАЛЬНЫХ ФИНАНСОВЫХ ВРЕМЕННЫХ РЯДОВ ГИБРИДНОЙ НЕЙРО-НЕЧЕТКОЙ СИСТЕМОЙ [Электронный ресурс] / Губин // Информационные системы и технологии .— 2011 .— №3 .— С. 42-54 .— Режим доступа: https://rucont.ru/efd/487799

Автор: Губин

Рассматривается автоматизированная информационная система прогнозирования фрактальных финансовых временных рядов (АИС «НАДЕЖДА»), написанная на встроенном языке Matlab 2010a, прошедшая тестовые испытания и обеспечившая высокие показатели в прогнозировании финансового временного ряда (котировки ОАО «Газпром»)

Алгоритм обучения такой гибридной нейро-нечёткой сети ориентирован в общем случае на адаптацию весов <...> Типовые алгоритмы обучения могут быть применены и для настройки ANFIS-сети, так как в ней используются <...> На втором этапе остаточная невязка передается с выхода сети на входы и на основе алгоритма обучения с <...> Последовательность дальнейших операций по обучению ANFIS-сети: 1. <...> Активизация вкладки «Нейросетевой анализ – Нечёткие сетиОбучение сети ANFIS – Для курса акций ОАО

34

Конспект лекций по учебной дисциплине «Проектирование баз данных и баз знаний» по специальности: 080801 Прикладная информатика (в экономике)

Автор: Жданова Е. И.
Изд-во ПГУТИ

Дисциплина имеет целью ознакомить учащихся с некоторыми методами организации знаний, возможными компонентами интеллектуальных систем, такими как: искусственные нейронные сети, нечеткие системы, генетические алгоритмы. Предусмотрено обучение студентов принципам построения интеллектуальных информационных систем и их «настройке», анализу существующих элементов интеллектуальности и выбору оптимального. Затрагивается вопрос применения инструментальных средств поддержки проектирования и построения нейросетей, нечетких экспертных систем и систем, функционирующих на основе генетических алгоритмов.

нейронных сетей: 1) По характеру обучения. <...> Классификация нейронных сетей по характеру обучения делит их на: нейронные сети, использующие обучение <...> с учителем; нейронные сети, использующие обучение без учителя смешанная парадигма обучения. <...> данные никогда для обучения сети не применяются). <...> Обучение нейронной сети Кохонена является обучением без учителя.

Предпросмотр: Проектирование баз данных и баз знаний Конспект лекций .pdf (0,4 Мб)
35

Синтез систем автоматического управления биотехнологическими процессами с применением методов аппроксимирующего и нейро-нечеткого управления монография

Автор: Лубенцова Елена Валерьевна
изд-во СКФУ

В монографии содержатся методы теории и алгоритмы систем автоматического управления (САУ) сложными биотехнологическими объектами, которые позволяют найти подходящее управление в условиях неполного, нечеткого и неточного знания состояния объекта управления и характеристик внешних и внутренних воздействий, при которых функционирует этот объект. Приведены примеры синтеза САУ промышленным биотехнологическим процессом для различных режимов функционирования. Адресована научным работникам и инженерам, разрабатывающим современные системы управления биотехнологическими процессами, может оказаться полезной для студентов и аспирантов вузов.

Для обучения ANFIS-сети могут быть применены типовые процедуры обучения нейронных сетей, так как в ней <...> Теперь осуществим обучение сети гибридным методом обучения. <...> По результатам обучения можно сделать вывод, что гибридный метод осуществляет обучение сети за число <...> Поэтому для обучения сети в работе использован гибридный метод. <...> обучения сети гибридным методом.

Предпросмотр: Синтез систем автоматического управления биотехнологическими процессами с применением методов аппроксимирующего и нейро-нечеткого управления.pdf (0,7 Мб)
36

АНАЛИЗ ХАРАКТЕРИСТИК КАНАЛА ПЕРЕДАЧИ ИНФОРМАЦИИ НА ОСНОВЕ НЕЙРОННОЙ СЕТИ [Электронный ресурс] / Лавренков, Комарцова // Прикладная информатика / Journal of Applied Informatics .— 2014 .— №3 .— С. 79-99 .— Режим доступа: https://rucont.ru/efd/436943

Автор: Лавренков

В статье приводится описание гибридного алгоритма настройки параметров нейронной сети, построенной на основе сигма-пи нейронов. Ядро алгоритма обучения составляет комбинация алгоритмов случайного поиска с применением эвристических алгоритмов. Рассмотрен процесс управления эвристическим алгоритмом на основе осциллирующей нейронной сети. Применение комплексного подхода обучения для нейронных сетей, построенных на основе сигма-пи нейронов, позволяет выполнить их обучение за время, необходимое для настройки нейронной сети на решение прикладной задачи. Рассмотрена возможность использования сигма-пи сети для оценки параметров безопасности канала передачи информации на основе анализа спектра отраженного зондирующего сигнала. Для формирования обучающей и тестовой выборки сети приводится описание разработанного устройства для анализа проводных линий связи.

Гибридный алгоритм обучения нейронной сети Как инструмент интеллектуального анализа данных используется <...> Применение комплексного подхода обучения для нейронных сетей, построенных на основе сигма-пи нейронов <...> Алгоритм обучения сигма-пи сети выглядит следующим образом. 1. <...> алгоритмами обучения нейронных сетей. <...> Искусственные нейронные сети: архитектуры, обучение, применения.

37

№5 (69) [Проблемы экономики, 2015]

Журнал с сентября 2016г. не выходит!!!

Приложения PSO включают в себя обучение нейронных сетей, оптимизацию распределения электрической энергии <...> сети, принципам работы и обучения искусственной нейронной сети и её применению в экономике. <...> Обучающий вектор содержит по одному значению на каждый вход сети и, в зависимости от типа обучения, по <...> Обучение сети на необработанном наборе зачастуюухудшает качество результатов. <...> Для повышения качества обучения сети применяют следующие способы: • Нормировка выполняется, когда на

Предпросмотр: Проблемы экономики №5 2015.pdf (0,5 Мб)
38

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.

Обучение завершается, когда сеть перестанет ошибаться. <...> Алгоритм обучения сети Кохонена Шаг 1. Инициализация сети. <...> » 31 Алгоритм обучения сети встречного распространения Шаг 1. <...> Алгоритм обучения карты Кохонена Шаг 1. Инициализация сети. <...> Функционирование сети Принцип обучения PNN несколько отличается от принципов обучения других типов сетей

Предпросмотр: Нейросетевые и гибридные системы .pdf (0,9 Мб)
39

№2 [Известия высших учебных заведений. Поволжский регион. Медицинские науки, 2007]

В журнале публикуются оригинальные статьи, содержащие результаты научной и прикладной деятельности в области медицинских наук, а также обзорные статьи по тематике журнала. В нем также находят отражение результаты новейших научных исследований, анализ передовых технологий и достижений науки.

На рисунке 2 приведен график обучения данной сети. <...> обучением нейронной сети. <...> параметры обучения сети. <...> Рис. 5 Обученная сеть после тестирования При нажатии на кнопку «Обучение» запускается процесс обучения <...> После обучения необходимо протестировать обученную сеть.

Предпросмотр: Известия высших учебных заведений. Поволжский регион. Медицинские науки №2 2007.pdf (0,4 Мб)
40

Моделирование систем Учебно-методическое пособие

Ивановский государственный химико-технологический университет

Цель учебного пособия дать студентам общее представление о современных методах моделирования технических и технико-экономических систем и объектов. В пособии рассматриваются общие вопросы и современная методология моделирования, непрерывные и дискретные детерминированные модели объектов и систем, стохастические модели с дискретным и непрерывным временем. Большое внимание уделено методам имитационного моделирования систем с вероятностными характеристиками. Дается обзор других подходов к моделированию сложных систем, таких как информационно-энтропийный, использование нейронных сетей и сетей Петри. Учебное пособие предназначено для студентов, обучающихся по специальностям подготовки 080801 Прикладная информатика и 230201 Информационные системы и технологии. Кроме того, пособие может быть полезным для студентов других специальностей и направлений.

Тем не менее, алгоритмы обучения таких сетей более сложны, чем алгоритмы обучения однонаправленных нейронных <...> Рассматривая процесс обучения сети Хопфилда, можно сказать, что его нельзя назвать обучением «с учителем <...> Самоорганизующиеся сети Сетями с самоорганизацией называются сети, не требующие для своего обучения « <...> Схема однослойной сети с самоорганизацией на основе конкуренции Для обучения такой сети не требуется <...> , однако сеть настраивается самостоятельно в процессе обучения.

Предпросмотр: Моделирование систем.pdf (0,3 Мб)
41

№1 [Управление риском, 2014]

В журнале освещаются теоретические и практические результаты научных исследований в области управления рисками по следующим вопросам:общая теория рисков; оценка риска;страхование в системе управления рисками;управление рисками и экономическая безопасность; риск-менеджер;теоретико-методологические проблемы социологии риска; управление рисками социокультурного развития России; мировое общество риска; социально-политические и экономические уязвимости.

, базы примеров для ее обучения. <...> Чем больше число скрытых нейронов, тем больше требуется итераций на стадии обучения сети. <...> В такой ситуации обучение сети становится более длительным процессом. <...> На обучение сети и ее обобщающие способности может оказывать влияние разница в пропорции между банкротами <...> сети).

Предпросмотр: Управление риском №1 2014.pdf (0,1 Мб)
42

№2 [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

Обучение сети производится послойно, без учителя. <...> Введение Автоэнкодер [1] – разновидность нейронной сети, использующей обучение без учителя, а также глубокое <...> проводится послойно, между двумя прилегающими слоями сети. <...> подход «локальной связности» нейронных сетей. <...> Обучение сети проводится на наборе из т векторов размера п ( ) ( ) ( )( )m2 xxx ...,,,1 .

Предпросмотр: Вестник компьютерных и информационных технологий №2 2014.pdf (0,3 Мб)
43

Моделирование систем. Ч. II. Интеллектуальные системы учеб. пособие

Автор: Сырецкий Г. А.
Изд-во НГТУ

Вторая часть пособия посвящена моделированию интеллектуальных систем, в основе функционирования которых лежат методы составляющих концепции мягких вычислений – фазиматематика и нейроматематика.

Особенность нейронных сетей – в их способности к супервизорному (с учителем) и без супервизорному обучению <...> Однако обученная нейронная сеть не поддается содержательной интерпретации. <...> Супервизорное обучение используется для ряда ИНС, в их числе для настройки персептрона, сети с обратным <...> При такой организации в слое Кохонена обученной сети на подобные векторы данных может реагировать либо <...> В чем суть стохастического алгоритма обучения? 21. Особенности RBF-сети. 22.

Предпросмотр: Моделирование систем. Ч.2. Интеллектуальные системы.pdf (0,4 Мб)
44

Инженерия знаний учеб. пособие

Автор: Богданова Е. А.
Изд-во ПГУТИ

Учебное пособие содержит теоретические сведения по дисциплине Инженерия знаний. Разработано в соответствии с ФГОС ВО по направлению подготовки 09.03.01 - Информатика и вычислительная техника и предназначено для студентов 2 и 2у курсов заочной и дистанционной форм обучения.

в нейронных сетях…………………………… 52 5.5 Парадигмы обучения нейронных сетей. <...> По характеру обучения нейронные сети делятся на: нейронные сети, использующие обучение с учителем; нейронные <...> сети, использующие обучение без учителя. <...> . 5.5 Парадигмы обучения нейронных сетей. <...> Алгоритм обучения нейронной сети 5.5.1 Парадигмы обучения нейронных сетей Самым важным свойством нейронных

Предпросмотр: Инженерия знаний Учебное пособие.pdf (0,3 Мб)
45

№3 [Вестник Южно-Уральского государственного университета. Серия "Психология", 2011]

Журнал рассчитан на психологов и специалистов других смежных областей, освещает актуальные проблемы современной психологии.

На шестом этапе проводится обучение сети (набор опыта). <...> Обучение сети происходит путем увеличения размера выборки и модификации (уточнения) исходных условных <...> Обучение сети Байеса Опыт (experience) в сети Байеса является не только характеристикой величины выборки <...> Очевидно, что на поздних этапах обучения сети изменения условных вероятностей будут более сглаженными <...> Обучение различных локальных областей («кусков») сети может происходить с помощью: 1) прямого заполнения

Предпросмотр: Вестник Южно-Уральского государственного университета. Серия Психология №3 2011.pdf (0,6 Мб)
46

№1 [Физическое образование в вузах, 1996]

Данный журнал является единственным, охватывающим все актуальные вопросы преподавания физики в вузе, и, как мы надеемся, он станет главным средством общения кафедр физики вузов стран СНГ. Главный редактор журнала − академик Российской академии наук, профессор МИФИ, научный руководитель Высшей школы им. Н.Г. Басова НИЯУ МИФИ О.Н. Крохин. Основные разделы журнала 1. Концептуальные и методические вопросы преподавания общего курса физики в вузе, техникуме, колледже. 2. Вопросы преподавания курса общей физики в технических университетах. 3. Современный лабораторный практикум по физике. 4. Демонстрационный лекционный эксперимент. 5. Информационные технологии в физическом образовании. 6. Вопросы преподавания общего курса физики в педвузах и специальных средних учебных заведениях. 7. Текущая практика маломасштабного физического эксперимента. 8. Связь общего курса физики с другими дисциплинами. 9. Интеграция Высшей школы и Российской Академии наук.

Перед обучением выполняется инициализация нейронной сети, то есть присваивание параметрам сети некоторых <...> Пределы допустимых значений определяются до начала обучения сети. <...> Обучение многослойных нейронных сетей. <...> , студенты проводят обучение нейронной сети. <...> ; — запуск процедуры обучения нейронной сети.

Предпросмотр: Физическое образование в вузах №1 1996.pdf (0,1 Мб)
47

№3 [Журнал Сибирского федерального университета. Техника и технологии. Journal of Siberian Federal University. Engineering & Technologies, 2010]

Cерия журнала «Техника и технологии» отражает самую массовую группу инженерных научных направлений Сибирского федерального университета. Целью создания серии является развитие фундаментальных исследований в области инженерных наук в СФУ, обеспечение международного приоритета научных работ преподавателей, сотрудников, аспирантов, докторантов вуза, а также интеграция журнала в международное информационное пространство.

Моделью устройства управления для сети Петри выступает другая сеть Петри или предварительно обученная <...> Дальнейшее уточнение количества нейронов в сети и типа функции активации возможно по результатам обучения <...> Обучение нейросети. <...> Максимальное количество шагов обучения – 10000. <...> Алгоритм управляемой имитации сети Петри Аналогично производится обучение сети и для других критериев

Предпросмотр: Журнал Сибирского федерального университета. Сер. Техника и технологии №3 2010.pdf (0,6 Мб)
48

№4 [Известия высших учебных заведений. Поволжский регион. Технические науки, 2015]

Издание представляет публикацию результатов фундаментальных, перспективных исследований, проводимых учеными Поволжья

Ванга – Менделя, обучение сети проводилось тремя различными алгоритмами и отображение результатов обучения <...> Модель сети Ванга – Менделя и методика обучения Сеть Ванга – Менделя относится к классу нечетких продукционных <...> В разработанной программной модели сети реализованы три алгоритма обучения: алгоритмы самоорганизации <...> сети Ванга – Менделя в виде последовательного применения двух алгоритмов обучения: k-усреднений и наискорейшего <...> сети, а алгоритм наискорейшего спуска служит для их уточнения в процессе обучения [6]. 3.

Предпросмотр: Известия высших учебных заведений. Поволжский регион. Технические науки №4 2015.pdf (0,9 Мб)
49

Системы управления с динамическим выбором структуры, нечеткой логикой и нейросетевыми моделями монография

Автор: Лубенцова Елена Валерьевна
изд-во СКФУ

В книге рассмотрены вопросы структурно-параметрического синтеза систем автоматического управления (САУ) интервальными объектами, математическую основу которых составляет метод гарантирующего управления и максимальная степень устойчивости, а также алгоритмы аппроксимирующего управления для широкого спектра нелинейных характеристик и алгоритмы, полученные на базе нечеткой логики и нейронных сетей. Адресована научным работникам и инженерам при проектировании САУ сложными динамическими объектами и технологическими процессами, а также аспирантам специальностей 05.13.06 – Автоматизация и управление технологическими процессами и производствами и 05.13.01 – Системный анализ, управление и обработка информации.

нейронной сети и за счет этого позволяет снизить временные и вычислительные затраты на обучение сети <...> Важнейшее свойство нейронных сетей – это обучение и адаптация. <...> Это позволяет применять для настройки нейро-нечетких сетей быстрые алгоритмы обучения нейронных сетей <...> Для обучения гибридной сети воспользуемся гибридным методом обучения с уровнем ошибки 0, а количество <...> Ошибка обучения нейро-нечеткой сети После окончания обучения данной гибридной сети по графику ошибки

Предпросмотр: Системы управления с динамическим выбором структуры, нечеткой логикой и нейросетевыми моделями .pdf (0,4 Мб)
50

№2 [Известия высших учебных заведений. Поволжский регион. Технические науки, 2007]

Издание представляет публикацию результатов фундаментальных, перспективных исследований, проводимых учеными Поволжья

Градиентный алгоритм обучения сети Рассмотрим градиентный алгоритм обучения радиально-базисной нейронной <...> Как в первом, так и во втором подходе для обучения сети используется градиентный алгоритм обучения, одновременно <...> обучения сети очень важны для сходимости сетевых параметров. <...> При этом на скорость обучения сети основное влияние оказывает скорость обучения весов. <...> уравнения и вычисляемым коэффициентом скорости обучения весов сети.

Предпросмотр: Известия высших учебных заведений. Поволжский регион. Технические науки №2 2007.pdf (0,4 Мб)
Страницы: 1 2 3 ... 3312