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...
Название : Автоматизированная система классификации музыкальных записей многослойным персептроном
Авторы/Редакторы : Лебедев Д. А.
Литвинов В. Г.
Столбова А. А.
Министерство науки и высшего образования Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2019
Библиографическое описание : Лебедев, Д. А. Автоматизированная система классификации музыкальных записей многослойным персептроном : вып. квалификац. работа по направлению подгот. 09.04.01 "Информатика и вычислительная техника" (уровень магистратуры) / Д. А. Лебедев ; рук. работы В. Г. Литвинов ; нормоконтролер А. А. Столбова ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики,. - Самара, 2019. - on-line
Аннотация : Целью данной выпускной квалификационной работы магистра является изучение возможностей нейронных сетей на примере многослойного персептрона в решении задач классификации музыкальных записей по жанру.Реализованная модель многослойного персептрона обучалас
Другие идентификаторы : RU\НТБ СГАУ\ВКР20191122133212
Ключевые слова: классификация
автоматизированные системы
алгоритм обратного распространения ошибки
нейроны
нейронные сети
многослойный персептрон
музыкальные записи
Располагается в коллекциях: Выпускные квалификационные работы




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