Отрывок: 5. Скорректировать все веса в НС. 6. Если ошибка сети существенна, перейти на шаг 1. В противном случае – конец. Сети на шаге 1 попеременно в случайном порядке предъявляются все тренировочные образы, чтобы сеть, образно говоря, не забывала одни по мере запоминания других. Когда выходное значение стремится к нулю, эффективность обучения заметно снижается. При двоичных входных векторах в среднем половина весовых коэффициентов не...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorЛебедев Д. А.ru
dc.contributor.authorЛитвинов В. Г.ru
dc.contributor.authorМинистерство образования и науки Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.coverage.spatialалгоритм обратного распространения ошибкиru
dc.coverage.spatialавтоматизированные системыru
dc.coverage.spatialсигмоидаru
dc.coverage.spatialнейронные сетиru
dc.coverage.spatialмногослойный персептронru
dc.creatorЛебедев Д. А.ru
dc.date.issued2017ru
dc.identifierRU\НТБ СГАУ\ВКР20170705161435ru
dc.identifier.citationЛебедев, Д. А. Автоматизированная система классификации музыкальных записей нейронной сетью : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / Д. А. Лебедев ; рук. работы В. Г. Литвинов ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Фак-т информатики, Каф. информ. систем и технологий. - Самаpа, 2017. - on-lineru
dc.description.abstractЦелью данной выпускной квалификационной работы бакалавра является изучение возможностей нейронных сетей на примере многослойного персептрона в решении задач классификации музыкальных записей по жанру. Реализованная модель многослойного персептрона обучалась при помощи алгоритма обратного распространения ошибки. Создана информационно-логическая модель автоматизированной системы в нотации UML с помощью CASE-средства StarUML. Система реализована на языке C# с помощью свободной интегрированной среды разработки приложений MS Visual Studio 2010.ru
dc.format.extentЭлектрон. дан. (1 файл : 1,8 Мб)ru
dc.titleАвтоматизированная система классификации музыкальных записей нейронной сетьюru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpart5. Скорректировать все веса в НС. 6. Если ошибка сети существенна, перейти на шаг 1. В противном случае – конец. Сети на шаге 1 попеременно в случайном порядке предъявляются все тренировочные образы, чтобы сеть, образно говоря, не забывала одни по мере запоминания других. Когда выходное значение стремится к нулю, эффективность обучения заметно снижается. При двоичных входных векторах в среднем половина весовых коэффициентов не...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Лебедев_Дмитрий_Александрович_Автоматизированная_система_классификации_музыкальных.pdf1.83 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.