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 весов...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorКоваленко А. А.ru
dc.contributor.authorЛитвинов В. Г.ru
dc.contributor.authorМинистерство образования и науки 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.spatialавтоматизированные системы прогнозированияru
dc.coverage.spatialалгоритм обратного распространения ошибкиru
dc.coverage.spatialсверточные нейронные сетиru
dc.coverage.spatialфинансовые показателиru
dc.creatorКоваленко А. А.ru
dc.date.issued2018ru
dc.identifierRU\НТБ СГАУ\ВКР20180625143907ru
dc.identifier.citationКоваленко, А. А. Автоматизированная система прогнозирования финансовых показателей сверточной нейронной сетью : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / А. А. Коваленко ; рук. работы В. Г. Литвинов ; 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 инф. - Самара, 2018. - on-lineru
dc.description.abstractЦелью данной выпускной квалификационной работы бакалавра является изучение возможностей сверточных нейронных сетей в решении задач прогнозирования финансовых показателей. Реализованная сеть обучалась при помощи алгоритма обратного распространения ошибки. Создана информационно-логическая модель автоматизированной системы в нотации UML с помощью CASE-средства draw.io. Программа реализована на высокоуровневом языке Python с помощью среды разработки PyCharm 2017.2. Интерфейс реализован на языке C# с помощью свободной интегрированной среды разработки приложений MS Visual Studio 2017 под управлением операционной системы Windows.ru
dc.format.extentЭлектрон. дан. (1 файл : 1,1 Мб)ru
dc.titleАвтоматизированная система прогнозирования финансовых показателей сверточной нейронной сетьюru
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 весов...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Коваленко_Андрей_Александрович_Автоматизированная_система_прогнозирования_финансовых.pdf1.1 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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