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 ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Канабеев С. П. | ru |
dc.contributor.author | Лезин И. А. | ru |
dc.contributor.author | Графкин А. В. | ru |
dc.contributor.author | Министерство образования и науки Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.coverage.spatial | алгоритм обучения | ru |
dc.coverage.spatial | автоматизированные системы | ru |
dc.coverage.spatial | нейроннве сети | ru |
dc.coverage.spatial | многослойный персептрон | ru |
dc.coverage.spatial | распознавание образов | ru |
dc.creator | Канабеев С. П. | ru |
dc.date.issued | 2017 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20170707155802 | ru |
dc.identifier.citation | 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 | ru |
dc.description.abstract | 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 | ru |
dc.format.extent | Электрон. дан. (1 файл : 1,0 Мб) | ru |
dc.title | Обучение нейронных сетей методом комбинации алгоритмов обучения | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.032.26 | ru |
dc.textpart | 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 ... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Канабеев_Сергей_Павлович_Обучение_нейронных_сетей_методом.pdf | 1.05 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.