Нейрокомпьютеры
Поможем написать работу на аналогичную тему
Похожие рефераты:
-
Общие принципы, характерные для нейросетей
Исследование нейросетевых архитектур и их приложений. Общие принципы, характерные для нейросетей. Локальность и параллелизм вычислений. Программирование: обучение, основанное на данных. Универсальность обучающих алгоритмов. Сферы применения нейросетей.
-
Нейронная сеть Хемминга
Программная реализация статической нейронной сети Хемминга, распознающей символы текста. Описание реализации алгоритма. Реализация и обучение сети, входные символы. Локализация и масштабирование изображения, его искажение. Алгоритм распознавания текста.
-
Нейронные сети
Искусственные нейронные сети как вид математических моделей, построенных по принципу организации и функционирования сетей нервных клеток мозга. Виды сетей: полносвязные, многослойные. Классификация и аппроксимация. Алгоритм обратного распространения.
-
Структура нейронных сетей
Искусственный нейрон. Нейронные сети обратного распространения. Представление входных данных. Преобразование числовых входных данных.
-
Информатика
Персональные компьютеры вошли в жизнь так же незаметно и постепенно, как в свое время автомобиль, радио и телевидение. Основные характеристики и модели настольных персональных компьютеров. История развития вычислительных систем с массовым параллелизмом.
-
Распознавание образов (на примере цифр)
Принципы и система распознавание образов. Программное средство и пользовательский интерфейс. Теория нейронных сетей. Тривиальный алгоритм распознавания. Нейронные сети высокого порядка. Подготовка и нормализация данных. Самоорганизующиеся сети Кохонена.
-
Алгоритмы нейрокибернетики
Компонент нейронной сети. Программа распознавания графических образов на основе компонента "Нейронная сеть". Распознавание графических файлов.
-
Самообучающиеся системы
Характеристика моделей обучения. Общие сведения о нейроне. Искусственные нейронные сети, персептрон. Проблема XOR и пути ее решения. Нейронные сети обратного распространения. Подготовка входных и выходных данных. Нейронные сети Хопфилда и Хэмминга.
-
On-line распознавание рукописных символов
Этап предварительной обработки данных, классификации, принятия решения. Изображения обучающих рукописных символов, тестового символа. Выход нейронной сети для тестового символа. График тренировки нейронной сети. Последовательность точек. Входные вектора.
-
Н. Винер и биология
Когда математикам и инженерам удалось впервые создать технические устройства, которые могли моделировать некоторые функции мозга, встал закономерный вопрос – как же в действительности работает наш главный орган?
-
Нейронные сети
Понятие и свойства искусственных нейронных сетей, их функциональное сходство с человеческим мозгом, принцип их работы, области использования. Экспертная система и надежность нейронных сетей. Модель искусственного нейрона с активационной функцией.
-
Нейроинформатика и ее приложения
Александр Горбань, gorban@cc.krascience.rssi.ru Вычислительный центр СО РАН, Красноярск-36 Что такое нейронные сети? Задачи для нейронных сетей
-
Нейронные сети с радиальными базисными функциями
Преимущества и недостатки нейронных сетей с радиальными базисными функциями (РБФ). Функции newrbe и newrb для построения РБФ общего вида и автоматической настройки весов и смещений. Пример построения нейронной сети с РБФ в математической среде Matlab.
-
Аппроксимация функции с использованием нейронных сетей
Понятие искусственного нейрона и искусственных нейронных сетей. Сущность процесса обучения нейронной сети и аппроксимации функции. Смысл алгоритма обучения с учителем. Построение и обучение нейронной сети для аппроксимации функции в среде Matlab.
-
Искусственные нейронные сети
Принципы организации и функционирования биологических нейронных сетей. Система соединенных и взаимодействующих между собой простых процессоров. Нейронные сети Маккалока и Питтса. Оценка качества кластеризации. Обучение многослойного персептрона.
-
Реализация искусственной нейронной сети
Задачи выделения хроматографических пиков. Теоретическое обоснование. Метод прогнозирования. Методика обучения нейросети.
-
Кластеризация с помощью нейронных сетей
Сущность, структура, алгоритм функционирования самообучающихся карт. Начальная инициализация и обучение карты. Сущность и задачи кластеризации. Создание нейронной сети со слоем Кохонена при помощи встроенной в среды Matlab. Отличия сети Кохонена от SOM.
-
Использование нейросетей для построения системы распознавания речи
Принцип работы нейросетей и модели синтеза. Ключевые моменты проблемы распознавания речи. Система распознавания речи как самообучающаяся система. Описание системы: ввод звука, наложение первичных признаков на вход нейросети, модель и обучение нейросети.
-
Обзор и анализ нейросетей
Разработка систем автоматического управления. Свойства нейронных сетей. Сравнительные оценки традиционных ЭВМ и нейрокомпьютеров. Формальная модель искусственного нейрона. Обучение нейроконтроллера при помощи алгоритма обратного распространения ошибки.
-
Нейронные сети
Базовые архитектуры компьютеров: последовательная обработка символов по заданной программе и параллельное распознавание образов по обучающим примерам. Искусственные нейронные сети. Прототип для создания нейрона. Поведение искусственной нейронной сети.