Отрывок: 4. Структура и начальные параметры сети остаются без изменений. Результаты эксперимента представлены в таблицах 20 и 21 и на рисунках 52 – 54. Таблица 20. СКО для обучающей выборки Эпоха MLP с моментом Нечеткий MLP с-средних с моментом Нечеткий MLP k-средних c моментом 100 0,01092 0,01096 0,01283 200 0,00870 0,00845 0,01235 300 0,00747 0,00717 0,01218 ...
Название : Исследование эффективности решения задачи классификации нейронными сетями персептронного типа
Авторы/Редакторы : Кузьмин И. В.
Солдатова О. П.
Козлова О. С.
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 : Кузьмин, И. В. Исследование эффективности решения задачи классификации нейронными сетями персептронного типа : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / И. В. Кузьмин ; рук. работы О. П. Солдатова; рец. О. С. Козлова ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, математики и эле. - Самара, 2018. - on-line
Аннотация : Задача сравнения эффективности классификации нейронных сетей в настоящее время имеет большой интерес для разработчиков и пользователей нейронных сетей так как имеет высокую практическую ценность. Зная эффективность той или иной нейронной сети, можно одноз
Другие идентификаторы : RU\НТБ СГАУ\ВКР20180625125219
Ключевые слова: функции Цернике
кластеризация
алгоритм обратного распространения ошибки
алгоритм наискорейшего спуска
многослойный персептрон
нейронные сети
распознавание образов
Располагается в коллекциях: Выпускные квалификационные работы




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