Pievienot darbus Atzīmētie0
Darbs ir veiksmīgi atzīmēts!

Atzīmētie darbi

Skatītie0

Skatītie darbi

Grozs0
Darbs ir sekmīgi pievienots grozam!

Grozs

Reģistrēties

interneta bibliotēka
Atlants.lv bibliotēka

Izdevīgi: šodien akcijas cena!

Parastā cena:
12,99
Ietaupījums:
2,34 (18%)
Cena ar atlaidi*:
10,65
Pirkt
Identifikators:265121
Autors:
Vērtējums:
Publicēts: 20.03.2012.
Valoda: Latviešu
Līmenis: Augstskolas
Literatūras saraksts: 18 vienības
Atsauces: Ir
SatursAizvērt
Nr. Sadaļas nosaukums  Lpp.
  Ievads    2
1.  Neironu tīklu apmācības teorija    4
1.1.  Neironu tīklu struktūra    4
1.2.  Neironu tīklu optimizācijas algoritmi    16
1.3.  Neironu tīklu pamatparadigmas    29
2.  Interesanti mākslīgo neironu tīklu pielietošanas aspekti    37
2.1.  Jaunu zināšanu sintezēšana, pielietojot neironu tīklus (Data meaning tehnoloģija)    37
2.2.  Mākslīgo neironu tīklu pielietošana laika rindu analīzē    42
2.3.  Vispārīga pieeja prognozējot ar neironu tīkliem    54
2.4.  Vai var prognozēt likumsakarības laika rindās?    57
3.  Mākslīgo neironu tīklu modelēšana    59
3.1.  Neironu tīklu modelēšanas problēma    59
3.2.  Modelējošā programma    61
4.  Mākslīgo neironu tīklu izmantošana    68
4.1.  zslēdzošā VAI realizācija neironu tīklā    68
4.2.  Divu bināro skaitļu saskaitīšana neironu tīklā    69
4.3.  Trigonometrisko funkciju vērtību prognozēšana    70
4.4.  Reālu tirgus modeļu izveidošana    71
  Nobeigums    77
  Izmantotās literatūras saraksts    78
  1. Pielikums    80
  2. Pielikums    82
  3. Pielikums    87
Darba fragmentsAizvērt

Var pieņemt, ka iekārtām, kas uzbūvētas pēc tādiem pašiem principiem kā bioloģiskie neironi, būs augstāk minētās īpašības.
Šobrīd eksistē divi piegājieni neironu tīklu modeļu izveides problēmu risināšanai: aparatūras un programmas. Aparatūras piegājiena attīstības rezultātā radās neiroplates. Programpiegājiens ir vairāk izplatītāks un to cenšas izmantot gan militāru mērķu (tehnikas tipa atpazīšana pēc tās attēla u.t.t.), tā arī citos mērķos (attēlu, runas un citu analogo datu atpazīšana ).
NT principā var veikt jebkuras skaitļošanas funkcijas, t.i. viņi var darīt visu to ko spēj vienkārši datori. Praksē NT ir ļoti noderīgi klasifikācijas un aproksimikācijas uzdevumu risināšanā.
Kādi ir NT veidi? Pastāv vairāki neironu tīklu veidi, kurus klasificē pēc to arhitektūras. Visbiežāk izmantojamie ir: tiešās izplatības (feed-forward) un rekurentie (recurrent) mākslīgie neironu tīkli.
Mūsdienās mākslīgie neironu tīkli tiek aktīvi izmantoti visās cilvēka darbības sfērās: militārajā, politikā, ekonomikā u.c.
Dotā darba mērķis ir apskatīt neironu tīklu funkcionēšanas principus, apskatīt to veidus, vairāku neironu tīklu modeļu izveidošanu un apmācību algoritmus, lai noskaidrotu to praktisko derīgumu atrisinot dažāda veida uzdevumus.
Galvenais dotā darba mērķis bija neironu tīkla izveidošana, kurš ir spējīgs funkcionēt uz personālā datora, un to varētu izmantot visi interesenti. Kā arī apmācīt neironu tīklu darbam ar dažāda veida laika rindām, kas būtu spējīgs atpazīt trenda pagriešanos. Savlaicīga trenda pagriešanās atpazīšana ļauj izvēlēties visveiksmīgāko biržas spēles stratēģiju un līdz ar to rast praktisku pielietojumu ekonomikas sfērā.…

Parādīt vairāk līdzīgos ...

Nosūtīt darbu e-pastā

Tavs vārds:

E-pasta adrese, uz kuru nosūtīt darba saiti:

Sveiks!
{Tavs vārds} iesaka Tev apskatīties interneta bibliotēkas Atlants.lv darbu par tēmu „Neironu tīkli”.

Saite uz darbu:
https://www.atlants.lv/w/265121

Sūtīt

E-pasts ir nosūtīts.

Izvēlies autorizēšanās veidu

E-pasts + parole

E-pasts + parole

Norādīta nepareiza e-pasta adrese vai parole!
Ienākt

Aizmirsi paroli?

Draugiem.pase
Facebook
Twitter

Neesi reģistrējies?

Reģistrējies un saņem bez maksas!

Lai saņemtu bezmaksas darbus no Atlants.lv, ir nepieciešams reģistrēties. Tas ir vienkārši un aizņems vien dažas sekundes.

Ja Tu jau esi reģistrējies, vari vienkārši un varēsi saņemt bezmaksas darbus.

Atcelt Reģistrēties