Росетевых

Сравнительный анализ нейросетевых реализаций алгоритмов распознавания образов
Литература. Приложение 1. Приложение 2. Введение. Основным назначением системы распознавания образов является отыскание решения о принадлежности … В условиях, когда мы обладаем лишь немногочисленными априорными сведениями о… В данной работе рассматриваются два из них, которые имеют соответствующие нейросетевые реализации. Первый из них -…

1. Однослойные сети. Персептрон
2. Описание программных моделей и алгоритмов их обучения
3. Проблема функции ИСКЛЮЧАЮЩЕЕ ИЛИ
4. Исследование представляемости однослойной и двухслойной нейронной сети
5. Возникновение ложного образа. Выработка прототипа

Классификация сейсмических сигналов на основе нейросетевых технологий
Существуют задачи, решение которых просто невозможно аналитическими методами, а нейросети успешно с ними справляются. Даже в том случае, если можно найти решение при помощи уже изученных… В данном дипломе рассматривается задача, возникающая при сейсмическом мониторинге, –классификация сейсмических…

1. Основные положения теории нейронных сетей
2. Постановка задачи классификации сейсмических сигналов
3. Выделение информационных признаков из сейсмограмм
4. Отбор наиболее информативных признаков для идентификации
5. Оценка вероятности ошибочной классификации методом скользящего экзамена

Классификация сейсмических сигналов на основе нейросетевых технологий
Существуют задачи, решение которых просто невозможно аналитическими методами, а нейросети успешно с ними справляются. Даже в том случае, если можно… В данном дипломе рассматривается задача, возникающая при сейсмическом… Несмотря на то, что для ее решения, в настоящее время успешно применяются методы статистического анализа, …

1. Основные положения теории нейронных сетей
2. Постановка задачи классификации сейсмических сигналов
3. Выделение информационных признаков из сейсмограмм
4. Отбор наиболее информативных признаков для идентификации
5. Оценка вероятности ошибочной классификации методом скользящего экзамена
6. Нейрон-классификатор
7. Методы предварительной обработки данных
8. Максимизация энтропии как цель предобработки
9. Реализация нейросетевой модели и исследование ее технических характеристик
10. Выбор начальных весовых коэффициентов
11. Алгоритм обучения и методы его оптимизации
12. Формирование обучающей выборки и оценка эффективности обученной нейросетевой модели
13. Функциональные возможности программы
14. Общие сведения
15. Описание входного файла с исходными данными
16. Описание файла настроек
17. Эксплуатация программного продукта
18. Результат работы программы
19. Пример файла с векторами признаков
20. Файл с настройками программы
21. Пример файла отчета