Отрывок: 2 – Зависимость качества классификации от числа нейронов скрытого слоя для набора данных «Ирисы Фишера» Число нейронов Процент верно распознанных Ирисов N BackPROP RPROR SA Комбинация алгоритмов 1 75 79 69 3 96 98 97 97 5 96 98 96 7 97 98 97 99 Рисунок 4.2 – График зависимость качества классификации от числа нейронов в скрытом слое для набора данных «Ирисы Фишера» 65 70 75 80 85 90 95 100 1 3 5 7П ро це нт в ер но р ас по зн ан ны х ир ис ов Число нейронов BackProp ...
Название : Обучение нейронных сетей методом комбинации алгоритмов обучения
Авторы/Редакторы : Канабеев С. П.
Лезин И. А.
Графкин А. В.
Министерство образования и науки Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Дата публикации : 2017
Библиографическое описание : Канабеев, С. П. Обучение нейронных сетей методом комбинации алгоритмов обучения : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / С. П. Канабеев ; рук. работы И. А. Лезин; рец. А. В. Графкин ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Фак-т информатики, Каф. информ. систе. - Самара, 2017. - on-line
Аннотация : Целью данной выпускной квалификационной работы магистра является анализ процесса обучения нейронных сетей на примере многослойного персептрона при решении задач классификации, поиск оптимального алгоритма обучения, обеспечивающего минимальную погрешность
Другие идентификаторы : RU\НТБ СГАУ\ВКР20170707155802
Ключевые слова: алгоритм обучения
автоматизированные системы
нейроннве сети
многослойный персептрон
распознавание образов
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Канабеев_Сергей_Павлович_Обучение_нейронных_сетей_методом.pdf1.05 MBAdobe PDFПросмотреть/Открыть  
Показать полное описание ресурса Просмотр статистики
Поделиться:



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