Содержание
- 2. Нейронные сети Сигмовидная функция активации Пороговая функция активации y w1 w2 wn ∑ ф(g) x1 x2
- 3. Виды нейронных сетей f(h1) f(hn) f(h3) n(h1) n(h2) n(hn) Трехслойная нейронная сеть n(h1) n(h2) n(hn) f(h1)
- 4. Методы обучения нейронной сети Метод обратного Распространения ошибки Устранение возможной блокировки сети Стратегии улучшения работы алгоритма
- 5. Метод регрессии Однослойный персептрон Многослойный персептрон Преимущества метода Высокая скорость обучения Определение глобального минимума
- 6. Сеть с комбинированным обучением n(h1) n(h2) n(hn)
- 7. Управляют беспилотником В 1996 году фирмой Accurate Automation Corp(http://www.accurate-automation.com), Chattanooga, TN по заказу NASA и Air
- 8. Нейронные сети рисуют картины
- 9. Предсказание, прогнозирование
- 10. Оптимизация с использованием генетического алгоритма Генерация нескольких популяций 1 2 N кроссинговер выбор двух особей из
- 13. Аппроксимация изображения полигонами
- 15. Скачать презентацию