Пример готового реферата по предмету: Программирование
ОГЛАВЛЕНИЕ
1 Формулирование и актуальность темы 3
2 Научное обоснование (описание) используемых методов 5
2.1. Методы упрощения структуры нейронной сети 7
2.2. Метод обратного распространения ошибки 7
2.3. Метод сопряженных направлений 9
3 Область применения, выигрышность мнения (технология, метод, инструментарий) 11
4. Практическое применение нейронных сетей 13
4.1. Современные технологии на основе ИНС. Google поиск. 13
4.2. Пример решения задачи предварительного прогнозирования на 1 день вперед курса акций 13
4.3. Перспективы развития нейронных сетей 16
5 Мое отношение к методам 19
Заключение 20
Список использованной литературы 21
Содержание
Выдержка из текста
Широкий круг задач, решаемый нейронными сетями, не позволяет в настоящее время создавать универсальные, мощные сети, вынуждая разрабатывать специализированные сети, функционирующие по различным алгоритмам.
первая – содержит теоретические основы нейронных сетей, обучение и области их применения;вторая – теорию применения нейронных сетей в задачах прогнозирования;
Решения на основе искусственных нейронных сетей становятся все более совершенными и популярными, поэтому можно предположить, что и в будущем искусственные нейронные сети будут широко использоваться за счет лучшего понимания их основополагающих принципов.Поэтому целью данной работы является изучение основных теоретических аспектов искусственных нейронных сетей.
Нейронные сети – это класс моделей, который основан на биологической аналогии с мозгом человека и предназначен после прохождения этапа так на-зываемого обучения на имеющихся данных для решения разнообразных задач анализа данных.
- рассмотреть особенности актуальных методов обучения искусственных нейронных сетей;
- разработать функциональные средства для создания и использования искусственных нейронных сетей;
Искусственный интеллект – это раздел информатики, посвященный моделированию интеллектуальной деятельности человека. Сегодня — это обширная область исследований и разработок интеллектуальных систем, предназначенных для работ в трудно формализуемых областях деятельности человека. Для задач, решаемых методом искусственного интеллекта, характерно наличие большого числа степеней свободы с числом вариантов поиска решений, приближающимся к бесконечности. В отличие от жестко детерминированных компьютерных программ системы искусственного интеллекта сами ищут пути решения поставленной задачи. При этом они могут менять свои параметры и структуру, совершенствоваться и развиваться, жить не зависящей от воли разработчика жизнью.
Разработка интерфейса главной формы системы создания искусственной нейронной сети. Моделирование процесса тренировки разработанной модели искусственной нейронной сети.
Нейронные сети обладают следующими свойствами: нелинейность, отображение входной информации в выходную, адаптивность, очевидность ответа, контекстная информация, отказоустойчивость, масштабируемость, единообразие анализа и проектирования , аналогия с нейробиологией.Нейронная сеть это направленный граф, состоящий из узлов, соединенных синаптическими и активационными связями, который характеризуется следующими четырьмя свойствами.
Целью дипломной работы является построение нейронной сети, распознающей здоровых и больных людей по стабилографическим показателям. Для достижения цели необходимо решить следующие задачи:
Нейронные сети — основные понятия и определения
12 Модели нейронных сетей
13 Способы реализации нейронных сетей 16
Предметом исследования является влияние значений финансовых коэффициентов на вероятность банкротства компании. Объектом исследования является выборка российских крупных частных акционерных компаний, наблюдаемая за период с 2011 по 2015 год.
Проведение анализа состава и возможностей применения нейронных сетей для задач прогнозирования. Обзор существующих классификаций нейронных сетей. Анализ возможностей прогнозирования на базе применения аппарата нейронных сетей.
связей, идущих от выходов сетей к их входам. Но это весьма желательное качество достигается не бесплатно: сети без обратных связей обладают более ограниченными возможностями по сравнению с сетями с обратными связями. Так как сети с обратными связями имеют пути, передающие сигналы от выходов к входам, то отклик таких сетей является динамическим, т.
В нижней части цепочки находятся растения. Они получают энергию из окружающей среды (дождя, почвы и солнца).
Следующий уровень занимают травоядные животные, — для выживания они поедают растения. На верхней ступени находятся хищники. В этой модели хищники поедают травоядных животных, чтобы выжить. Мёртвые травоядные и хищники удаляться из модели.
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1. Чубукова И. А. Data Mining: учебное пособие. — М.: Интернет-университет информационных технологий: БИНОМ: Лаборатория знаний, 2006. – 326 с.
2. Каллан, Роберт. Основные концепции нейронных сетей. : Пер. с англ. — М. : Издательский дом «Вильямс». – 2001. — 287 с.
3. Russo A.P. Neural Networks for Sonar Signal Processing, Tutorial No. 8, IEEE Conference on Neural Networks for Ocean Engineering, Washington, DC, 1991.
4. Хайкин, Саймон. Нейронные сети: полный курс, 2-е издание. : Пер. с англ. — М. : Издательский дом «Вильямс», 2006. — 1104 с.
5. Бэстенс Д.-Э., Ван Ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. — М.: ТВП. – 1997.236с.
6. Кричевский М. Л. Интеллектуальный анализ данных в менеджменте. Учебное пособие. — Спб: СПбГУАП. – 2005. – 208 с.
7. Хромов С. С. Формирование системы прогнозирования цен на опционы на базе нейронных сетей. М.: Теория и практика общественного развития. – 2014. № 13, С. 148-153.
список литературы
