Отрывок: Инкапсулирует в себе массив нейронов; − Neuron – содержит в себе основные методы работы с нейроном нейронной сети; − RadialNeuron – класс радиально-базисного нейрона; − Perceptron – класс персептрона; − FuzzyNeuron – класс нейрона фуззификатора. ...
Название : Исследование применения нечеткого многослойного персептрона и радиально-базисной нейронной сети при решении задачи аппроксимации плотности распределения вероятности
Авторы/Редакторы : Тарасов А. А.
Лёзина И. В.
Соловьева Я. В.
Министерство науки и высшего образования Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2021
Библиографическое описание : Тарасов, А. А. Исследование применения нечеткого многослойного персептрона и радиально-базисной нейронной сети при решении задачи аппроксимации плотности распределения вероятности : вып. квалификац. работа по направлению подгот. 09.04.01 "Информатика и вычислительная техника" (уровень магистратуры) / А. А. Тарасов ; рук. работы И. В. Лёзина ; нормоконтролер Я. В. Соловьева ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики,. - Самара, 2021. - on-line
Аннотация : В выпускной квалификационной работе была разработанаавтоматизированная система аппроксимации плотности распределениявероятности радиально-базисной сетью и нечётким многослойнымперсептроном.Целью данной работы является создание автоматизированной системыаппроксимации плотности нечётким персептроном и радиально-базиснойсетью, а также исследование их применения в задаче аппроксимации.В рамках работы был произведён анализ предметной области, обоснованоприменение нейросетевых моделей, рассмотрены способы генерации выборок сразличными законами распределения, алгоритмы обучения нейронных сетей, атакже реализованы соответствующие программные модули.В процессе выполнения работы был спроектирован логический проект пометодологии UML в приложении draw.io. Система была реализована на языкепрограммирования Kotlin в среде разработки IntellIJ Idea 2020 дляоперационной системы Windows 10.Было произведена оценка качества аппроксимации полученнойнейросетевой модели в зависимости от различных параметров модели.Р
Другие идентификаторы : RU\НТБ СГАУ\ВКР20210901141125
Ключевые слова: фуззификация
функция Гаусса
метод наименьших квадратов
нейронные сети
нечеткий многослойный персептрон
кластеризация
критерий Колмогорова - Смирнова
радиально-базисные нейронные сети
радиально-базисные сети
задачи аппроксимации плотности распределения вероятности
Располагается в коллекциях: Выпускные квалификационные работы




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