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
6,49 € Add to cart
Add to Wish List
Want cheaper?
ID number:857477
 
Author:
Evaluation:
Published: 19.07.2004.
Language: Latvian
Level: College/University
Literature: n/a
References: Not used
Table of contents
Nr. Chapter  Page.
  Ievads    4
1.  Neironu tīklu apmācības teorija    6
1.1.  Neironu tīklu struktūra    6
1.1.1.  Bioloģiskie un mākslīgie neironu tīkli    6
1.1.2.  Bioloģiskie neironu tīkli    8
1.1.3.  Tehniskā neirona modelis    10
1.1.4.  Neironu tīklu veidi    11
1.2.  Mākslīgo neironu tīklu apmācības algoritmi    16
1.2.1.  Neironu tīklu apmācības uzdevuma formulējums un iespējamie risinājumu ceļi    16
1.2.2.  Neironu tīkls apmācības laikā    19
Extract

Neironu tīkli - tie ir skaitļošanas modeļi, kuri balstās principiem, līdzīgiem smadzeņu uzbūves principiem, un kuri paredzēti smadzeņu risināmo problēmu atrisināšanai. Zīdītājiem bioloģiskie neironu tīkli ir formēti no neironiem, kuri paši par sevi ir samērā sarežģīti bioloģiski objekti. Liels skaits apvienotu neironu pamato dzīvnieku sarežģīto uzvedību. Šajā darbā apskatītie mākslīgie neironu tīkli ir daudz vienkāršāki un labāk izpētīti. Bet tomēr, tie ir spējīgi atrisināt dažus pietiekami sarežģītus uzdevumus - atpazīt audio un vizuālos tēlus, aproksimēt funkcijas, veikt dažu veidu prognozes un vadīt.
Pētījumi mākslīgo neironu tīklu sfērā pārdzīvojuši trīs aktivācijas periodus. Pirmo uzplaukumu 40.gados izraisīja MakKaloka un Pitsa pionieru darbs. Otrais bija 60.gados, balstoties uz Rozenblata perceptrona tuvinājuma teorēmu un Minska ‑ Peiperta darbu, kurš norādīja vienkāršākā percetrona ierobežotās iespējas. Minska ‑ Peiperta rezultāti noslāpēja tā pētnieku vairuma entuziasmu, kuri strādāja skaitļošanas zinātņu jomā. Radies klusums ilga gandrīz 20 gadus. No 80.gadu sākuma mākslīgie neironu tīkli no jauna piesaistīja pētnieku uzmanību. Verboss piedāvāja atgriezeniskās izplatības algoritmu daudzslāņu perceptrona apmācībai, kurš kļuva pazīstams 1986.gadā.
Uz šodienu eksistē divas pieejas realizējot mākslīgos neironu tīklus: aparāt­realizācija un programrealizācija. Daudzas pazīstamas firmas ražo elektroniskos kompo­nentus (mikroshēmas un veselas plates), kuras aparātlīmenī realizē mākslīgā neironu tīkla modeli. Pie otras pieejas, neironu tīklu modelē speciāla programma, kura darbojas uz parasta (iespējams, personālā) datora. Aparāt­nodrošinājuma un programnodrošinājuma tirgos eksistē pietiekami liels skaits neironu tīklu kā aparāt, tā arī programmemulatoru, bet tie visi izceļas ar savu augsto cenu, kas padara tos nepieejamus vairumam lietotāju.
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 izveidošana un apmācība, lai noskaidrotu to praktisko derīgumu atrisinot dažādus uzdevumus.
Galvenais dotā darba mērķis bija neironu tīkla izveidošana, kurš ir spējīgs funkcionēt uz spēcīga datora un tā apmācība atpazīt fjučersu tirgus trenda pagriešanos. Savlaicīga trenda pagriešanās atpazīšana ļauj izvēlēties visveiks­mīgāko biržas spēles stratēģiju un līdz ar to rast praktisku pielietojumu ekonomikas sfērā.…

Author's comment
Work pack:
GREAT DEAL buying in a pack your savings −9,48 €
Work pack Nr. 1128389
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