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.author | Лебедев Д. А. | ru |
dc.contributor.author | Литвинов В. Г. | ru |
dc.contributor.author | Столбова А. А. | ru |
dc.contributor.author | Министерство науки и высшего образования Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.contributor.author | Институт информатики | ru |
dc.contributor.author | математики и электроники | ru |
dc.coverage.spatial | классификация | ru |
dc.coverage.spatial | автоматизированные системы | ru |
dc.coverage.spatial | алгоритм обратного распространения ошибки | ru |
dc.coverage.spatial | нейроны | ru |
dc.coverage.spatial | нейронные сети | ru |
dc.coverage.spatial | многослойный персептрон | ru |
dc.coverage.spatial | музыкальные записи | ru |
dc.creator | Лебедев Д. А. | ru |
dc.date.issued | 2019 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20191122133212 | ru |
dc.identifier.citation | 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 | ru |
dc.description.abstract | 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 | ru |
dc.format.extent | Электрон. дан. (1 файл : 1,6 Мб) | ru |
dc.title | Автоматизированная система классификации музыкальных записей многослойным персептроном | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.032.26 | ru |
dc.textpart | 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... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Лебедев_Дмитрий_Александрович_Автоматизированная_система_классификации_музыкальных.pdf | 1.6 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.