Add Papers Marked0
Paper checked off!

Marked works

Viewed0

Viewed works

Shopping Cart0
Paper added to shopping cart!

Shopping Cart

Register Now

internet library
Atlants.lv library
FAQ
12,99 € Add to cart
Add to Wish List
Want cheaper?
ID number:265121
 
Author:
Evaluation:
Published: 20.03.2012.
Language: Latvian
Level: College/University
Literature: 18 units
References: Used
Table of contents
Nr. Chapter  Page.
  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
Extract

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.…

Load more similar papers

Atlants

Choose Authorization Method

Email & Password

Email & Password

Wrong e-mail adress or password!
Log In

Forgot your password?

Draugiem.pase
Facebook

Not registered yet?

Register and redeem free papers!

To receive free papers from Atlants.com it is necessary to register. It's quick and will only take a few seconds.

If you have already registered, simply to access the free content.

Cancel Register