Отрывок: Рисунок 1.8 – Диаграмма управляющих классов разработанной системы Управляющие классы в системе предназначены для сложных вычислений над входными массивами данных. Управляющий класс «Инструменты» предназначен для проверки построенной гистограммы с помощью двух способов подсчета площади графика, а также для подсчета значений критериев согласия и их последующей передачи в соответствующую форму для отображения. Управляющий класс «Контроллер» предназначен для вычисления высот столбцо...
Название : Автоматизированная система аппроксимации плотности вероятности радиально-базисной нейронной сетью с применением алгоритмов инициализации весов
Авторы/Редакторы : Лякишев А. А.
Лезина И. В.
Министерство образования и науки Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2018
Библиографическое описание : Лякишев, А. А. Автоматизированная система аппроксимации плотности вероятности радиально-базисной нейронной сетью с применением алгоритмов инициализации весов : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / А. А. Лякишев ; рук. работы И. В. Лезина ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, математики и электроники, Фак-т информа. - Самара, 2018. - on-line
Аннотация : В выпускной квалификационной работе разработана автоматизированнаясистема аппроксимации плотности вероятности радиально-базисной нейроннойсетью.Целью данной работы является автоматизация процесса аппроксимациирадиально-базисной нейронной сетью с применением различных алгоритмовинициализации весов.В рамках работы проведен анализ предметной области и различныхмоделей нейронных сетей, которые применяются в задачах аппроксимации,произведено обоснование выбора модели сети, рассмотрены различные методыинициализации весов нейронной сети.В данной системе реализована возможность работы с выборками данных:генерация по заданному закону распределения, сохранение и загрузка данныхиз файлов. Обучение сети производится с помощью метода обратногораспространения ошибки. Выбор начальных параметров производится спомощью различных алгоритмов: случайная инициализация или алгоритмаимитации отжига.С помощью обученной сети реализован процесс аппроксимации.Удобный и понятный интерфейс позволяет оценивать результатыа
Другие идентификаторы : RU\НТБ СГАУ\ВКР20180625144859
Ключевые слова: обратное распространение ошибки
критерии согласия Пирсона
алгоритм имитации отжига
аппроксимация
радиально-базисные нейронные сети
нейронные сети
автоматизированные системы
плотность вероятности
гистограммы
Располагается в коллекциях: Выпускные квалификационные работы




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