Для поиска темы - пользуйтесь СИСТЕМОЙ ПОИСКА


Стоимость дипломной работы


Home Материалы для работы Нейроні мережі

Нейроні мережі
загрузка...
Рейтинг пользователей: / 0
ХудшийЛучший 

Нейроні мережі

Зі всієї різноманітності сучасних аналітичних технологій нейроні мережі, мабуть, самі титуловані. Вони давно застосовуються в різних галузях людської діяльності.
В загальному вигляді, задачі, які вирішують нейромережі, можна розбити на два основні види: класифікація і регресія. В задачах класифікації, як правило, потрібно визначити, до якого з декількох заданих класів належить даний вхідний набір. Прикладом може служити надання кредиту: чи відноситься дана особа до групи високого або низького ризику. В задачах регресії вимагається передбачити значення змінної, приймаючій, як правило, безперервні числові значення, наприклад, завтрашню ціну акцій. В цьому випадку для вихідних даних потрібна одна числова змінна.
В наші дні архітектура нейроної мережі зворотної дії отримала, мабуть, найбільш широке розповсюдження, і успішно застосовується при рішенні певного кола задач. При правильному використанні нейроні мережі зворотної дії можуть стати могутнім і надійним помічником всім, хто потребує якісного аналізу і прогнозування. Незаперечними плюсами нейромереж є швидка пристосовність до змін зовнішнього середовища (в цьому випадку мережу треба навчати) і можливість враховувати велику кількість параметрів, що впливають на результат.
Нейроні мережі не здатні пояснювати видаване рішення, тому їх робота нагадує «чорний ящик» з входами і виходами.
Нейроні мережі є обчислювальними структурами, що моделюють прості біологічні процеси, аналогічні процесам, що відбуваються в людському мозку. НМ – це розподілені і паралельні системи, здібні до адаптивного навчання шляхом реакції на позитивні і негативні дії. В основі їх побудови лежить елементарний перетворювач, званий штучним нейроном або просто нейроном по аналогії з його біологічним прототипом.
Структуру нейромережі – багатошарового персептрона - можна описати таким чином (рис. 1.7.). Нейромережа складається з декількох шарів: вхідний, внутрішній (прихований) і вихідний шари. Вхідний шар реалізує зв'язок з вхідними даними, вихідний – з вихідними. Внутрішніх шарів може бути від одного і більше. В кожному шарі міститься декілька нейронів.
Всі нейрони з'єднуються між собою зв'язками, які називаються терезами.
Перед використанням нейроної мережі проводиться її навчання, що є ітераційний процес настроювання вагових коефіцієнтів. Для навчання застосовуються спеціальні алгоритми. Найбільше розповсюдження отримали градієнтні методи навчання – алгоритм зворотного розповсюдження помилки (Back Propagation), зв'язаних градієнтів, RProp і інші.
Для перевірки адекватності побудованої нейроної мережі використовується спеціальний прийом - тестове підтвердження.
Основна властивість нейроних мереж полягає в тому, що вони моделюють складну нелінійну залежність між вхідними і вихідними змінними.


 
загрузка...

Добавить комментарий


Защитный код
Обновить