Отрывок: Результаты изменения СКО при изменении числа функций фуззифик...
Название : Использование модели гибридного нейронечеткого классификатора для решения задачи классификации
Авторы/Редакторы : Иваев Д. З.
Солдатова О. П.
Козлова О. С.
Министерство образования и науки Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Дата публикации : 2017
Библиографическое описание : Иваев, Д. З. Использование модели гибридного нейронечеткого классификатора для решения задачи классификации : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / Д. З. Иваев ; рук. работы О. П. Солдатова; рец. О. С. Козлова ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Фак-т информатики, Каф. информ. сист. - Самара, 2017. - on-line
Аннотация : Целью данной работы является изучение модели гибридного нейронечеткого классификатора для решения задачи классификации данных, проектирование и реализация системы классификации данных на основе данной модели, сравнение полученных результатов при различных настройках параметров сети, сравнение эффективности данной модели при решении задачи классификации с эффективностью многослойного персептрона. В качестве алгоритма обучения модели гибридного нейронечеткого классификатора использовался алгоритм наискорейшего спуска с обратным распространением ошибки. Тесты проводились с использованием модельных наборов данных, описывающих виды ирисов и вин из базы UCI Machine Learning Repository, а также реальных наборов, описывающих типы кристаллических нано-решеток. Система реализована на платформе .NET Framework на языке C# в интегрированной среде разработки Microsoft Visual Studio 2013.
Другие идентификаторы : RU\НТБ СГАУ\ВКР20170707155657
Ключевые слова: гибридные нейрочеткие классификаторы
алгоритм обучения
алгоритм наискорейшего спуска
нейронные сети
обратное распространение ошибки
Располагается в коллекциях: Выпускные квалификационные работы




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