Отрывок: 3.2.1 Исследование зависимости погрешности прогноза от структуры нейронной сети 3.2.1.1 Исследование зависимости погрешности прогноза от количества входов сети Кроме определения оптимального количества нейронов скрытого слоя важной задачей является нахождение оптимального количества входов сети, позволяющее обеспечить наивысшую точность прогноза. Проведем исследование зависимости погрешности от количества входов сети (таблица 3.1) при следующих параметрах обучения:...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorГлотова П. А.ru
dc.contributor.authorЛёзина И. В.ru
dc.contributor.authorСоловьева Я. В.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.spatialкоэффициент несоответствия Тейлаru
dc.coverage.spatialсреднеквадратическое отклонениеru
dc.coverage.spatialгипер радиально-базисные нейронные сетиru
dc.coverage.spatialобратное распространение ошибкиru
dc.coverage.spatialпрогнозированиеru
dc.coverage.spatialрадиально-базисные нейронные сетиru
dc.coverage.spatialсамоорганизацияru
dc.coverage.spatialвыборкаru
dc.creatorГлотова П. А.ru
dc.date.issued2021ru
dc.identifierRU\НТБ СГАУ\ВКР20210910111929ru
dc.identifier.citationГлотова, П. А. Исследование применения радиально-базисной и гипер радиально-базисной нейронных сетей при решении задачи прогнозирования курса валют : вып. квалификац. работа по направлению подгот. 09.04.01 "Информатика и вычислительная техника" (уровень магистратуры) / П. А. Глотова ; 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-lineru
dc.description.abstractВ выпускной квалификационной работе разработана автоматизированная система прогнозирования курсов валют, использующая радиально-базисную и гипер радиально-базисную нейронные сети. Целью данной работы является автоматизация процесса прогнозирования значения курса валют радиально-базисной и гипер радиально-базисной нейронными сетями, исследование и сравнение прогнозирующих способностей этих сетей, обученных с применением различных алгоритмов обучения сетей. В рамках работы проведен анализ предметной области и моделей нейронных сетей, применяемых для решения задачи прогнозирования. Также произведено обоснование выбора моделей нейронных сетей, рассмотрены различные методы обучения нейронных сетей, исследовано применение выбранных нейронных сетей для решения задачи прогнозирования курса валют. В разработанной автоматизированной системе реализована возможность загрузки файлов с выборками данных, создание, сохранение и загрузка сетей из файлов. Реализованы различные методы обучения радиальных нейронных сетей. Системru
dc.format.extentЭлектрон. дан. (1 файл : 2,2 Мб)ru
dc.titleИсследование применения радиально-базисной и гипер радиально-базисной нейронных сетей при решении задачи прогнозирования курса валютru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpart3.2.1 Исследование зависимости погрешности прогноза от структуры нейронной сети 3.2.1.1 Исследование зависимости погрешности прогноза от количества входов сети Кроме определения оптимального количества нейронов скрытого слоя важной задачей является нахождение оптимального количества входов сети, позволяющее обеспечить наивысшую точность прогноза. Проведем исследование зависимости погрешности от количества входов сети (таблица 3.1) при следующих параметрах обучения:...-
Располагается в коллекциях: Выпускные квалификационные работы




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