Содержание
Введение 3
1. Основные понятия нейросетевых технологий 5
1.1 Устройство нейронных сетей 5
1.2 Формальная модель нейрона и нейросети 9
1.3 Виды нейронных сетей 12
1.4 Принципы обучения 14
2. Применение нейронных сетей 18
2.1 Пример 1. Система контроля за несанкционированной деятельностью пользователей компьютерной сети 20
2.2 Пример 2. Применение нейронных сетей в системах распознвания образов 28
Заключение 33
Источники информации 36
Содержание
Выдержка из текста
Обзор различных архитектур нейронных сетей, предназначенных для решения задачи классификации, их основные положения, достоинства и недостатки, а также методы предварительной подготовки данных приведены в разделах 4 и 5.
На следующем этапе создается программа, используемая выбранный метод. Строится алгоритм функционирования программы с указанием задействованных в программе переменных и функций, приводится механизм его работы. Здесь приводится текст программы, ее диалоговый интерфейс, а также список всех ключевых переменных, используемых в программе, и назначение каждой из них. Необходимо также отметить о совместимости полученной программы с различными ОС и дополнительных ресурсах, которые необходимы для ее функционирования.
Нейросистемное оценивание влияния шоков финансовых рынков на поведение фьючерсов на нефть.
Данный программный разработан в среде программирования Microsoft Visual Studio 2005. Доступ к информационному хранилищу должен осуществляться с использованием библиотеки OLE DB. Программное обеспечение обеспечивает выполнение всех функций и реализовано с помощью модульного программирования и функционирует независимо от аппаратной части.
Системы дополненной реальности в большинстве своем основаны на работу с визуальными, либо с аудиовизуальными данными. Связано это в первую очередь с тем, что более 70 % информации человек получает с помощью органов зрения. В связи с этим, одной из основных проблем, которые возникают в процессе разработки систем дополнительной реальности является сложность распознавания образов и объектов реального мира вычислительными системами. Большой шаг в данном направлении был сделан с развитием нейронных сетей, предоставляющих новые возможности для решения проблем распознавания образов.
— Охарактеризовать нейросетевые технологии.
Актуальность темы в том, что все вышесказанное позволяет оценивать Интернет как явление, которое будет стремительно развиваться в 21 веке и поэтому важно уже сейчас изучать и понимать всю глобальность и важность происходящих изменений в мировой экономике, которые будут быстро нарастать.
Даются рекомендации по решению практических задач управления информационными системами, внедрения автоматизированных информационных технологий.
Теоретической и нормативно правовой базой исследования ОАО «Вуз–банк» являются: научные труды, такие как монографические труды, выдающихся отечественных и зарубежных ученых, которые имеют отношение к историческому наследию и современности; нормативно-правовые акты и законы РФ «О банках и банковской деятельности»;. отечественная литература, статьи из журналов, материалы баз данных Консультант Плюс и Гарант, материалы Internet.,
ИСТОЧНИКИ ИНФОРМАЦИИ
1. Гаврилов А.В. Гибридные интеллектуальные системы. — Новосибирск: Изд-во НГТУ.2013. — 164 с.
2. Бураков, М. В. Нейронные сети и нейроконтроллеры: учеб. пособие/ М. В. Бура¬ков. – СПб.: ГУАП, 2013. – 284 с.: ил.
3. Елизаров А.И., Афонасенко А.В. Методика построения систем
4. распознавания автомобильного номера // Известия Томского политехнического университета. – 2010. – Т. 309. – № 8. – С. 118–121.
5. Болотова, Ю.А., Спицын В.Г. Сравнение способов обучения модели HTM для задачи распознавания цифр // Молодежь и современные информационные технологии: cборник трудов IX Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых. – Томск: Изд-во СПБ Графикс, 2011. – Т. 1. – С. 252–253.
6. Болотова, Ю.А., Спицын В.Г., Кермани А.К. Распознавание символов на цветном фоне на основе иерархической временной модели с предобработкой фильтрами Габора // Электромагнит ные волны и электронные системы. – 2012. – Т. 16. – № 1. – С. 14–19.
7. Костров, Б.В. Искусственный интеллект и робототехника /Б.В. Костров — М.: «Издательство ДИАЛОГ-МИФИ», 2012. — 224 с.
8. Ясницкий, Л.Н. Введение в искусственный интеллект: Учебное по¬собие для студ. высш. учеб. заведений /Л.Н. Ясницкий. — М.: Издательский центр «Академия», 2010. — 176 с.
9. Буй Тхи Тху Чанг, Фан Нгок Хоанг, Спицын В.Г. Алгоритмическое и программное обеспечение для классификации цифровых изображений с помощью вейвлет-преобразования Хаара и нейронных сетей // Известия Томского политехнического университета. – 2011. – Т. 319. – № 5. – С. 103–106.
10. Болотова Ю.А., Спицын В.Г., Фомин А.Э. Применение модели иерархической временной памяти в распознавания изображений // Известия Томского политехнического университета. –2011. – Т. 318. – № 5. – С. 60–63.
11. Гаврилова, Т.А. Базы знаний интеллектуальных систем /Т.А. Гаврилова, И.Ф. Хорошевский. — СПб.: Питер, 2010.
12. Тант Зин Пьо, Кочетков М.П. Обработка изображений в системах технического зрения робототехнических комплексов// Информационно — управляющие вычислительные системы: алгоритмы, аппаратные и программные средства: межвузовский сборник/ Под ред. В.А. Бархоткина. — M.: МИЭТ, 2011. — 148с. С. 130-135.
список литературы