Искусственные нейронные сети Все об искусственных нейронных сетях: теория, практика, область применения, алгоритмы и примеры создания и обучения ИНС.

Занимательные лекции по нейронным сетям. Лекция №2 Биология: Нейрон, спайки, синапсы

28 января 2015 • Теория

Нейросети — о них говорят не только биологи, но социологи, математики, физики и программисты. В данной статье мы продолжаем цикл видеолекций посвященный теории искусственных и биологических нейронных сетей, а также практической реализации и применении искусственных нейронных сетей различной сложности и структуры.

Занимательные лекции по нейронным сетям. Лекция №1 Поведение Человека

28 января 2015 • Теория

Нейросети — о них говорят не только биологи, но социологи, математики, физики и программисты. В данной статье мы начинаем цикл видеолекций посвященный теории искусственных и биологических нейронных сетей, а также практической реализации и применении искусственных нейронных сетей различной сложности и структуры.

Алгоритм Левенберга-Марквардта

Алгоритм Левенберга-Марквардта

15 июня 2014 • Теория

Алгоритм Левенберга-Марквардта предназначен для оптимизации параметров нелинейных регрессионных моделей. Предполагается, что в качестве критерия оптимизации используется среднеквадратичная ошибка модели на обучающей выборке. Алгоритм заключается в последовательном приближении заданных начальных значений параметров к искомому локальному оптимуму.

Сопоставление задач и примеров использования нейронных сетей

14 июня 2014 • Теория

Таблицы сопоставления типов, областей применения и решаемых задач нейроуправления и сопоставления задач и примеров использования нейронных сетей...

Структура искусственной нейронной сети прямого распространения

14 июня 2014 • Теория

Нейроны в сетях такого типа делятся на группы с общим выходным сигналом – слои, при этом на каждый нейрон первого слоя подаются все элементы внешнего выходного сигнала, а все выходы нейронов q-го слоя подаются на каждый нейрон слоя (q+1). 

Основные недостатки использования искусственных нейронных сетей и пути их решения

14 июня 2014 • Теория

Несмотря на широкий спектр возможностей ИНС, решению задач с их помощью сопутствует ряд недостатков:

Общий круг задач, решаемых искусственными нейронными сетями

Общий круг задач, решаемых искусственными нейронными сетями

14 июня 2014 • Теория

Классификация образов.Задача состоит в указании принадлежности входного образа (например, речевого сигнала или рукописного символа), представленного вектором признаков, одному или нескольким предварительно определенным классам. К известным приложениям относятся распознавание букв, распознавание речи, классификация сигнала электрокардиограммы, классификация, клеток крови. К примеру, нейросетевые алгоритмы распознавания объектов на изображении изложены в этой статье.

Обучение нейронной сети

14 июня 2014 • Теория

Обучение нейронной сети- это процесс, в котором параметры нейронной сети настраиваются посредством моделирования среды, в которую эта сеть встроена. Тип обучения определяется способом подстройки параметров. Различают алгоритмы обучения с учителем и без учителя.
Процесс обучения с учителем представляет собой предъявление сети выборки обучающих примеров. Каждый образец подается на входы сети, затем проходит обработку внутри структуры НС, вычисляется выходной сигнал сети, который сравнивается с соответствующим значением целевого вектора, представляющего собой требуемый выход сети. 

Классификация искусственных нейронных сетей

13 июня 2014 • Теория

Искусственная нейронная сеть – это набор нейронов, соединенных между собой. Как правило, передаточные, активационные функции всех нейронов в сети фиксированы, а веса являются параметрами сети и могут изменяться. Некоторые входы нейронов помечены как внешние входы сети, а некоторые выходы – как внешние выходы сети. 

Подкатегории