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.

Работа № 89232


Наименование:


Лабораторка Инстар и aутстар Гроссберга

Информация:

Тип работы: Лабораторка. Добавлен: 27.5.2015. Сдан: 2015. Страниц: 14. Уникальность по antiplagiat.ru: < 30%

Описание (план):


Содержание отчета:

1. Инстар и аутстар Гроссберга. Правило обучения нейрона по правилу Гроссберга.
2. Программный код обучения нейрона Matlab, C#
3. Результаты обучения (таблицы 1 и 2, рисунки работы консольного приложения)
4. Выводы
Список использованной литературы



1. Инстар и аутстар Гроссберга. Правило обучения нейрона по правилу Гроссберга.

Нейрон инстар и оутстар был введен С. Гроссбергом. Это взаимодополняющие элементы.
Нейрон типа инстар адаптирует веса сигналов, поступающих на сумматор нейрона к входным сигналам.


Рисунок 1 - Структура нейрона типа инстар

Входные сигналы, подаваемые с весовыми коэффициентами Wij на вход i-го инстара, суммируются по формуле:
, (1)
При обучении нейрона типа инстар часто используют линейную форму функции активации, при которой yi = ui.
Процесс обучения инстара производится по правилу, предложенному С. Гроссбергом, в соответствии с которым подбор весовых коэффициентов:
, (2)
Входные данные в виде вектора x выражаются в сети часто в нормализованном виде:
, (3)
Результаты обучения по методу Гроссберга сильно зависят от коэффициента обучения сети ?. При ? = l веса wij становятся равными значениям Хj уже после первой итерации. Ввод очередного входного вектора x вызовет адаптацию весов к новому вектору и полное «забывание» предыдущих значений.
При ? < l в результате обучения wij весовые коэффициенты принимают усредненные значения вектора x.
Инстар может обучаться как с учителем, так и без него. При обучение без учителя в качестве значения принимается фактически значение выходного сигнала.


Рисунок 2 - Структура нейр........

Список литературных источников
1. Круглов В. В. Дли М. И. Голунов Р. Ю. Нечёткая логика и искусственные нейронные сети. - М.: Физматлит, 2001. - 221 с.
2. Люгер Джорж Ф. Искусственный интеллект: стратегия и методы решения сложных проблем.- М.: Издательский дом Вильямс, 2003. - 864 с.
3. Осовский С. Нейронные сети для обработки информации / Пер. с польского. - М.: Финансы и статистика, 2002. - 342 с.
4. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: пер. с польского, И.Д. Рудинского. - М.: Горячая линия-Телеком, 2013. - 384 с.
5. Уоссермен Ф. Нейрокомпьютерная техника. - М.: Мир, 1992. - 240 c.



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.