Содержание
- 2. Основные понятия. Нейрон. X – входной вектор; W – вектор весов; Σ – суммирующий блок; NET
- 3. Основные понятия. Нейрон. NET – промежуточный выход; F – активационная функция; OUT – выход. Активационная функция
- 4. Основные понятия. Примеры активационных функций. Единичный скачок или жесткая пороговая функция
- 5. Основные понятия. Примеры активационных функций. Линейный порог или гистерезис
- 6. Основные понятия. Примеры активационных функций. Сигмоид
- 7. Основные понятия. Примеры активационных функций.
- 8. Основные понятия. Нейронная сеть. Однослойная сеть. X – входной вектор; Wij – вес, определенный для значения
- 9. Основные понятия. Нейронная сеть. Многослойная сеть.
- 10. Обучение сети. Нейронная сеть с обратным распространением.
- 11. Обучение сети. Алгоритм. Обучение сети обратного распространения требует выполнения следующих операций: Выбрать очередную обучающую пару из
- 12. Обучение сети. Алгоритм (продолжение). Новое значение весов считается по формулe: где p и q – номера
- 13. Работа в пакете MATLAB. Подготовка обучающих выборок Скрипт с описанием исследуемой функции Генерация выборок
- 15. Работа в пакете MATLAB. Импорт данных и создание нейронной сети.
- 18. Работа в пакете MATLAB. Параметры нейронной сети. Network type – список сетей, доступных для работы. Input
- 19. Работа в пакете MATLAB. Параметры нейронной сети. Number of neurons – число нейронов. Transfer function –
- 20. Работа в пакете MATLAB. Нейронная сеть.
- 22. Работа в пакете MATLAB. Обучение нейронной сети.
- 23. Работа в пакете MATLAB. Обучение нейронной сети.
- 24. Работа в пакете MATLAB. Параметры обучения нейронной сети. showWindow – вывод процесса обучения в графическом режиме.
- 27. Работа в пакете MATLAB. Экспорт данных.
- 28. Работа в пакете MATLAB. Построение графиков. plot (x, y); hold on; plot (x, net_output, ‘o’);
- 31. Работа в пакете MATLAB. Проверка нейронной сети.
- 33. Работа в пакете MATLAB. Проверка нейронной сети.
- 35. Скачать презентацию