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...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorЛебедев Д. А.ru
dc.contributor.authorЛитвинов В. Г.ru
dc.contributor.authorСтолбова А. А.ru
dc.contributor.authorМинистерство науки и высшего образования Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.contributor.authorИнститут информатикиru
dc.contributor.authorматематики и электроникиru
dc.coverage.spatialклассификацияru
dc.coverage.spatialавтоматизированные системыru
dc.coverage.spatialалгоритм обратного распространения ошибкиru
dc.coverage.spatialнейроныru
dc.coverage.spatialнейронные сетиru
dc.coverage.spatialмногослойный персептронru
dc.coverage.spatialмузыкальные записиru
dc.creatorЛебедев Д. А.ru
dc.date.issued2019ru
dc.identifierRU\НТБ СГАУ\ВКР20191122133212ru
dc.identifier.citationЛебедев, 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-lineru
dc.description.abstractЦелью 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 обучаласru
dc.format.extentЭлектрон. дан. (1 файл : 1,6 Мб)ru
dc.titleАвтоматизированная система классификации музыкальных записей многослойным персептрономru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpart5. 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...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Лебедев_Дмитрий_Александрович_Автоматизированная_система_классификации_музыкальных.pdf1.6 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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