рефераты конспекты курсовые дипломные лекции шпоры

Раздел Науковедение
/
График выполнения работы

Реферат Курсовая Конспект

Выберите учебное заведение

График выполнения работы

График выполнения работы - раздел Науковедение, МЕТОДИЧЕСКИЕ УКАЗАНИЯ К КУРСОВОЙ РАБОТЕ ПО ДИСЦИПЛИНЕ СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В Результате Выполнения Работы Студент Должен Выполнить Проектирование Искусс...

В результате выполнения работы студент должен выполнить проектирование искусственной нейронной сети каждого из указанных типов, включая

- разработку структуры проектируемой сети;

- выбор методов расчета элементов проектируемой сети;

- расчет элементов проектируемой сети;

- анализ эффективности спроектированной сети.

Курсовая работа выполняется в 5 этапов.

1-й этап. (2 неделя. Срок сдачи – 3 неделя.)

- разработка структуры однослойной сети с прямыми связями;

- выбор метода расчета элементов однослойной сети с прямыми связями;

2-й этап. (3-4 недели. Срок сдачи – 5 неделя.)

- разработка блок-схемы алгоритма расчета однослойной сети с прямыми связями;

- расчет элементов однослойной сети с прямыми связями ;

- анализ эффективности спроектированной однослойной сети с прямыми связями

3-й этап. (5 неделя. Срок сдачи – 6 неделя.)

- разработка структуры сети встречного распространения

- выбор метода расчета элементов сети встречного распространения

4-й этап. (6-7 недели. Срок сдачи – 8 неделя.)

разработка блок-схемы алгоритма расчета сети встречного распространения

- расчет элементов сети встречного распространения

- анализ эффективности спроектированной сети встречного распростра-нения

5-й этап. (9 неделя. Срок сдачи – 10 неделя.)

- разработка структуры линейной ассоциативной искусственной ней-ронной сети;

- выбор метода расчета элементов линейной ассоциативной ис-кусственной нейронной сети;

- разработка блок-схемы алгоритма расчета линейной ассоциативной ис-кусственной нейронной сети;

- расчет элементов линейной ассоциативной ис-кусственной нейронной сети;

- анализ эффективности спроектированной линейной ассоциативной ис-кусственной нейронной сети;

6-й этап. (10-11 недели. Срок сдачи – 12 неделя.)

- разработка структуры сети Хэмминга:

- выбор метода расчета элементов сети Хэмминга;

- разработка блок-схемы алгоритма расчета сети Хэмминга;

- расчет элементов сети Хэмминга;

- анализ эффективности спроектированной сети Хэмминга.

7-й этап. (12 -13 неделя. Срок сдачи – 14 неделя.)

- оформление пояснительной записки и защита курсовой работы.

Сроки выполнения этапов определяются графиком выполнения курсовой работы.

Защита каждого из этапов проводится в сроки, указанные в графике, во время консультаций, которые назначаются руководителем курсовой работы. Для защиты студент должен представить руководителю материалы этапов, оформленные в соответствии с требованиями, представленными в разделе 7.

График выполнения курсовой работы

Плановаяа работа	Объем самост. работы студен-та, часов.	Срок выполнения(неделя)	Срок защиты этапов (неделя)
Выполнение 1-го этапа
Выполнение 2-го этапа
Выполнение 3-го этапа
Выполнение 4-го этапа
Выполнение 5-го этапа
Выполнение 6-го этапа
Выполнение 7-го этапа

Термін складення студентом закінченої роботи: 14 тиждень

Курсовая работа защищаеться студентом перед комиссией с участием руководителя. Оценка по курсовой работе выставляется на основе оценок, полученных студентом при сдаче этапов с учетом качества защиты перед комиссией.

График работы комиссии по защите курсовых работ составляется руководителем и доводится до студентов.

Студенты обязаны прибыть на защиту в указанное в графике время.

При получении студентом неудовлетворительной оценки по курсовой работе он допускается ко повторной защите с разрешения декана факультета.

Развернуть

Открыть в широком формате

– Конец работы –

Эта тема принадлежит разделу:

МЕТОДИЧЕСКИЕ УКАЗАНИЯ К КУРСОВОЙ РАБОТЕ ПО ДИСЦИПЛИНЕ СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

ОДЕССКИЙ НАЦИОНАЛЬНЫЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: График выполнения работы

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Одесса ОНПУ 2011
Методические указания к курсовому проектированию по дисциплине "Системы искусственного интеллекта" для студентов института радио-электроники и тел

Пояснительная записка к курсовой работе должна содержать
- титульный лист - задание на проектирование; - реферат; - содержание; - основная часть; - перечень используемой литературы; - необходимые прил

Первая итерация
5.1. Задают начальное значение вектора весовых коэффициентов (ком-понент вектора) выбранного нейрона. Как правило на первом шаге значени-ям компонент весового вектора присваивают небольшие случайны

Вторая итерация
Для второй итерации в качестве начального значения вектора весовых коэффициентов используется значение, полученное на конечном шаге первой итерации. 5.12. Выполняются

Максимально допустимые ошибки обучения δmax пол и δmax меш примем равными 0,1.
5. Расчет вектора весовых коэффициентов первого нейронного элемен-та. 5.1. Зададим следующие начальные значения компонент вектора весо-вых коэффициентов: w11=0,3; w

Net´1(1)=0,3•1+0,6•1+0,5•0+0,8•0=0,9
5.4. Определяем ошибку обучения в соответствии с выражением. где

Net´1(2)=1,26•1+1,56•0+0,5•1+0,8•0=1,76
5.8. Определяем ошибку обучения в соответствии с выражением

Net´1(3)=1,104•1+1,56•0+0,344•0+0,8•1=1,904
5.12. Определяем ошибку обучения в соответствии с выражением

Net´1(1)=0,862•1+1,56•1+0,344•0+0,558•0=2,422
5.16. Определяем ошибку обучения в соответствии с выражением. где

Net´1(2)=0,862•1+1,56•0+0,344•1+0,558•0=1,206
5.20. Определяем ошибку обучения в соответствии с выражением

Net´1(3)=1,038•1+1,56•0+0,52•0+0,558•1=1,596
5.24. Определяем ошибку обучения в соответствии с выражением

Слои Кохоненна
В своей простейшей форме слой Кохонена функционирует в духе «победи-тель забирает все», т. е. для данного входного вектора один и только один нейрон Кохонена выдает на выходе логическую единицу, вс

Слой Гроссберга
Слой Гроссберга функционирует в сходной манере. Его выход net является взвешенной суммой выходов k1,k2, ..., kn слоя Кохонена, образующих ве

ОБУЧЕНИЕ СЛОЯ КОХОНЕНА
Слой Кохонена классифицирует входные векторы в группы схожих. Это достигается с помощью такой подстройки весов слоя Кохонена, что близкие входные векторы активируют один и тот же нейрон данного сло

Предварительная обработка входных векторов
Весьма желательно (хотя и не обязательно) нормализовать входные векторы перед тем, как предъявлять их сети. Это выполняется с помощью деления каждой компоненты входного вектора на длину вектора. Эт

Выбор начальных значений весовых векторов
Всем весам сети перед началом обучения следует придать начальные зна-чения. Общепринятой практикой при работе с нейронными сетями является присваивание весам небольших случайных значений. При обуче

ОБУЧЕНИЕ СЛОЯ ГРОССБЕРГА
Слой Гроссберга обучается относительно просто. Входной вектор, явля-ющийся выходом слоя Кохонена, подается на слой нейронов Гроссберга, и выходы слоя Гроссберга вычисляются, как при нормальном функ

При проектировании сети данного типа необходимо выполнить две итерации расчета коэффициентов
Ход проектирования искусственной нейронной сети встречного распространения производится в соответствии со следующими этапами: 1. Проводится анализ задания на проектирование. Выполняется ко

V12=1; v22=0; v32=0; v42=1.
Если привязать эти коэффициенты к нейронам слоя Гроссберга, то соот-ветственно вектора весовых коэффициентов каждого нейрона Гроссберга когут бать представлены в виде: V1T