Содержание
- 2. Сети с радиально-базисными функциями По сравнению с сетями прямого распространения имеют большее количество нейронов, однако их
- 3. Обучение сетей с радиально-базисными элементами Аппроксимация табличных функций При аппроксимации функций, заданных таблично, необходимо уделить особое
- 4. Вероятностные сети Вероятностные сети (Probabilistic Neural Networks – PNN) – специализированные нейронный структуры, применяемые для оценки
- 5. Вероятностные сети Пример классификации вектора входных сигналов при его соотнесении с тремя возможными классами данных.
- 6. Статические и динамические сети Статические сети: 1. Одно направление передачи сигнала – от входа у выходу;
- 7. Рекуррентные сети
- 8. Сеть Элмана Обучение производится с использованием градиента функции ошибки по правилу обратного распространения. Коэффициенты обратных связей
- 9. Сеть Джордана Обычная (слева) и модифицированная (справа) сеть Джордана. Обучение производится по алгоритму обратного распространения ошибки
- 10. Сеть Хопфилда 1. Полносвязная сеть. 2. Каждый нейрон связан только с одним входом сети. 3. Функция
- 11. Сеть Хопфилда Входное воздействие существует только в начальный момент времени. Сеть обучается так, чтобы иметь несколько
- 12. Сеть Хэмминга Модификация сети Хопфилда с меньшими вычислительными затратами. По сравнению с сетью Хопфилда на выходе
- 13. Авторегрессионные модели Авторегрессия – представление описания динамической системы в виде разностного уравнения с учетом присутствующих в
- 14. Авторегрессионные модели Основным недостатком представленной выше модели является ограниченность представления влияния помех на выходной сигнал, поскольку
- 15. NARX-сети Введение нелинейных коэффициентов в разностное уравнение авторегрессии позволяет реализовывать динамические нелинейные системы с помощью нейронных
- 16. NARX-сети Наиболее распространенная область применения таких сетей – системы прогнозирования, т.е. предсказания значения выходного сигнала системы
- 17. Обобщенно-регрессионные сети Обобщенно-регрессионные сети (Generalised Regression Network) – специализированные нейронные структуры, применяемые в задачах регрессии и
- 19. Скачать презентацию