Линейная сеть с зависимыми данными

Автор работы: Пользователь скрыл имя, 01 Июня 2013 в 10:43, курсовая работа

Краткое описание

В качестве научного предмета искусственные нейронные сети впервые заявили о себе в 40-е годы. Стремясь воспроизвести функции человеческого мозга, исследователи создали простые аппаратные (а позже программные) модели биологического нейрона и системы его соединений. Когда нейрофизиологи достигли более глубокого понимания нервной системы человека, эти ранние попытки стали восприниматься как весьма грубые аппроксимации. Тем не менее на этом пути были достигнуты впечатляющие результаты, стимулировавшие дальнейшие исследования, приведшие к созданию более изощренных сетей. Первое систематическое изучение искусственных нейронных сетей было предпринято Маккалокком и Питтсом в 1943 г.

Содержание

Введение
1.Аналитическая часть
1.1 Содержательная и математическая постановка решаемой задачи
1.2 Описание возможностей ПС MATLAB 6.1 и тулбокса NNT
1.2.1 Структура ПС Matlab
1.3 GUI-интерфейс для ППП NNT
1.4 Описание возможностей и особенностей использования приложений
Notebook
1.5 Возможности версии MATLAB 6.1
2.Проектная часть
2.1 Описание назначения, состава и функций линейной сети
2.2
Программная реализация линейной сети
2.2.1
Создание модели линейной сети
2.2.2
Обучение линейной сети
2.3 Детальное описание особенностей выполнения
демонстрационного примера
Заключение
Список литературы

Прикрепленные файлы: 1 файл

9.doc

— 420.00 Кб (Скачать документ)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2.3 Детальное  описание особенностей выполнения  демонстрационного примера

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Итог:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Заключение

 

    MATLAB - это интерактивная система, в которой основным элементом данных является массив. Это позволяет решать различные задачи, связанные с техническими вычислениями, особенно в которых используются матрицы и вектора, в несколько раз быстрее, чем при написании программ с использованием "скалярных" языков программирования, таких как Си или Фортран.

Система MATLAB состоит  из пяти основных частей.

 -  Язык MATLAB. Это язык матриц и массивов высокого  уровня  с  управлением потоками, функциями,  структурами  данных,  вводом-выводом  и  особенностями объектно-ориентированного программирования.

 -  Среда MATLAB.  Это набор инструментов  и приспособлений,  с которыми работает пользователь или программист MATLAB. Она включает в  себя  средства для управления переменными в рабочем пространстве MATLAB, вводом  и  выводом данных, а также создания, контроля и отладки М-файлов и приложений MATLAB.

- Управляемая графика. Это графическая система MATLAB, которая включает  в себя команды высокого уровня для визуализации  двух-  и  трехмерных  данных, обработки  изображений,  анимации  и  иллюстрированной  графики.  Она  также включает в себя команды низкого уровня, позволяющие полностью  редактировать внешний вид графики, также как при создании  Графического  Пользовательского Интерфейса (GUI) для MATLAB приложений.

  - Библиотека математических функций. Это обширная коллекция вычислительных алгоритмов  от  элементарных  функций,  таких  как  сумма,  синус,  косинус, комплексная арифметика,  до  более  сложных,  таких  как  обращение  матриц, нахождение собственных значений,  функции  Бесселя,  быстрое  преобразование Фурье.

  -  Программный интерфейс.  Это библиотека,   которая   позволяет   писать

программы на Си и Фортране, которые взаимодействуют  с MATLAB.  Она  включает средства для вызова программ из MATLAB (динамическая связь), вызывая  MATLAB как вычислительный инструмент и для чтения-записи МАТ-файлов.

       Способность искусственных нейронных сетей обучаться является их наиболее интригующим свойством. Подобно биологическим системам, которые они моделируют, эти нейронные сети сами моделируют себя в результате попыток достичь лучшей модели поведения.   На языке нейронных сетей линейная модель представляется сетью без промежуточных слоев, которая в выходном слое содержит только линейные элементы (то есть элементы с линейной функцией активации). Веса соответствуют элементам матрицы, а пороги - компонентам вектора смещения. Во время работы сеть фактически умножает вектор входов на матрицу весов, а затем к полученному вектору прибавляет вектор смещения.

 

 

 

 

 

 

 

 

 

 

Список литературы

  1. Медведев В. С. Нейронные сети / В. С. Медведев, В. Г. Потемкин. – М.: Диалог МИФИ, 2009.
  2. Дьяконов В. П. MATLAB 6.0 с пакетами расширений /В. П. Дьяконов, И. В. Абраменкова, В. В. Круглов. – М: Нолидж,2008
  3. Минский, М., Пейперт, С. Персептроны. — М.: Мир, 2007. — 261 с.
  4. Хайкин, С. Нейронные сети: Полный. — 2-е изд. — М.: «Вильямс», 2006. — 1104 с.
  5. Брюхомицкий, Ю. А. Нейросетевые модели для систем информационной безопасности: Учебное пособие. — Таганрог: Изд-во ТРТУ, 2008. — 160 с.
  6. Роберт Каллан Основные концепции нейронных сетей. — 1-е. — «Вильямс», 2007. — С. 288.

 


Информация о работе Линейная сеть с зависимыми данными