На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


Курсовик Классификация с использованием персептрона с двумя ходами

Информация:

Тип работы: Курсовик. Добавлен: 17.4.2013. Сдан: 2013. Страниц: 52. Уникальность по antiplagiat.ru: < 30%

Описание (план):


Оглавление

Содержание

Введение
Аналитическая часть
1. Содержательная и математическая постановка задачи
2. Система Matlab
2.1 Описание возможностей ПС Matlab 6.1
2.2 Возможности тулбокса NNT
2.3 Описание возможностей и особенностей использование Notebook
3. Установка и файловая система Matlab
4. Возможности версии Matlab 6
Проектная часть
1. Структура персептрона
1.1. Алгоритм обучения
1.2. Ускорение процесса обучения
1.3. М-файлы в среде Matlab
1.4. Задачи классификации в среде Matlab
2. Детальное описание особенностей демонстрационного примера
3. Применение нейронных сетей
Заключение
Список литературы

Введение

MATLAB - это высокопроизводительный язык для технических расчетов. Он включает в себя вычисления, визуализацию и программирование в удобной среде, где задачи и решения выражаются в форме, близкой к математической.
Типичное использование MATLAB - это:

* математические вычисления

* создание алгоритмов

* моделирование

* анализ данных, исследования и визуализация

* научная и инженерная графика

* разработка приложений, включая создание графического интерфейса

Нейронные сети (NN - Neural Networks) широко используются для решения разнообразных задач. Среди развивающихся областей применения NN - обработка аналоговых и цифровых сигналов, синтез и идентификация электронных цепей и систем. Основы теории и технологии применения NN широко представлены в пакете MATLAB. Пакет прикладных программ NNT содержит средства для построения нейронных сетей, базирующихся на поведении математического аналога нейрона. Пакет обеспечивает эффективную поддержку проектирования, обучения, анализа и моделирования множества известных типов сетей – от базовых моделей персептрона до самых современных ассоциативных и самоорганизующихся сетей. В пакете имеется более 15 таких типов. Для каждого типа архитектуры и обучающих правил имеются М-функции инициализации, обучения, адаптации, создания, моделирования, отображения, оценки и демонстрации, а также примеры применения.
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.
Тема моей курсовой работы звучит: «Классификация с использованием персептрона с двумя ходами». Для того, чтобы разобраться в этой тематике нужно прежде всего узнать понятие, структуру персептронов, их функции, рассмотреть М-файлы, задачи классификации и выполнить обучение с помощью функции demop 1 в программе Matlab...........


1. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. – М., 2002.
2. Потемкин В.Г. Инструментальные средства MATLAB. М., 2000.
3. Лазарев Ю.Ф. MATLAB. Киев, 2000.
4. Мишулина О.А., Лабинская А.А., Щербинина М.В. "Введение в теорию нейронных сетей". М., 2000.
5. Галушкин А.И. Теория нейронных сетей. М., 2000.
6. articles.softportal.com/article-282.html


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.