rpd000007691 (1006648), страница 4

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 4)

1.1.4. Сети с обратными связями (АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

Описание: Цель работы: Исследовать свойства сетей Хопфилда и Элмана, алгоритмов их обучения, а также применение сетей в задачах распознавания статических и динамических образов.

Содержание работы:

1. Использовать сеть Хопфилда для распознавания статических образов. Проверить качество распознавания.

2. Использовать сеть Элмана для распознавания динамических образов. Отобразить ошибку обучения и проверить качество распознавания.

1.1.5. Сети Кохонена (АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

Описание: Цель работы: Исследовать свойства самоорганизующихся сетей, таких как слой Кохонена и карта Кохонена, алгоритмов их обучения, а также применение таких сетей в задачах кластеризации.

Содержание работы:

1. Использовать слой Кохонена для разбиения множества точек на группы. Проверить качество разбиения.

2. Использовать карту Кохонена для кластеризации данных.

1.1.6. Построение современной нейросетевой технологии(АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

Описание: Модели теории адаптивного резонанса

Нечеткие сети Такаги-Сугено-Канга

Нейропрограммирование

1. Типовые задания

1.1.1. Обучение многослойных сетей прямого распространения.(СРС: 1)

Тип: Расчетная работа

Типовые варианты:

-Алгоритм обратного распространения ошибки — общая схема. Цепное правило дифференцирования и его роль в алгоритме обратного распространения ошибки.

-Алгоритм обратного распространения ошибки — вывод выражений для корректировки синаптических весов. Алгоритм обратного распространения ошибки как обобщение алгоритма LMS.

1.1.2. Применение сетей прямого распространения.(СРС: 1)

Тип: Расчетная работа

Типовые варианты:

-Аппроксимация функции сетью. Варьирование параметров сети и его влияние на получаемый выход сети.

-Выбор архитектуры сети: число слоев, число элементов в скрытых слоях. Сходимость процесса обучения сети и влияние на нее архитектуры сети.

1.1.3. Альтернативные варианты алгоритма обратного распространения ошибки,(СРС: 1)

Тип: Домашнее задание

Типовые варианты:

-Метод сопряженных градиентов, метод Ньютона.

-Модификация стандартного алгоритма обратного распространения ошибки применительно к использованию квазиньютоновских оптимизационных схем

1.1.4. Глобальная и локальная рецептивность сетей.(СРС: 1)

Тип: Домашнее задание

Типовые варианты:

-Метод потенциальных функций, задачи классификации и аппроксимации функций. Функции с радиальным базисом (RBF-функции), RBF-нейрон, RBF-сеть. Сопоставление свойств RBF-функций и сигмойдальных функций

-Функции с радиальным базисом (RBF-функции), RBF-нейрон, RBF-сеть.

1.1.5. Метрические классификаторы(СРС: 1)

Тип: Домашнее задание

Типовые варианты:

-Метод ближайших соседей, метод потенциальных фунеций

-метод радиальных базисных функций

1.1.6. Сети радиальных базисных функций (RBF-сети).(СРС: 1)

Тип: Домашнее задание

Типовые варианты:

-Вероятностная нейронная сеть (PNN-сеть) и общерегрессионная сеть (GRNN-сеть), их соотношение с RBF-сетью

-Варианты стратегий обучения: случайный выбор фиксированных центров, выбор центров на основе самоорганизации, выбор центров с учителем.

1.1.7. Нейросети и составное представление функций. (СРС: 1)

Тип: Реферат

Типовые варианты:

-Cоотношение НС-представлений и моделей традиционной вычислительной математики. Пределы возможностей нейросетевого подхода. Составное представление функций — точный и приближенный варианты. Теорема Колмогорова. Теоремы Веиерштрасса и Вейерштрасса-Стоуна-Горбаня

1.1.8. Нейросетевые модели с обратными связями. (СРС: 1)

Тип: Расчетная работа

Типовые варианты:

-Сети Хопфилда: общая структура, принципы работы, свойства. Матрица связей сети Хопфилда. Функция энергии сети, ее роль в процессе функционирования сети. Сеть Хопфилда как ассоциативная память.

-Модель NARX. Алгоритм работы NARX. Последовательная и последовательно-параллельная схема обучения сети NARX. Сеть NARX в задачах моделирования и управления.¶Динамические сети классов LDDN, FTDNN и DTDNN и их соотношение с моделью NARX

1.1.9. Нейросетевые модели с соревновательным обучением.(СРС: 1)

Тип: Расчетная работа

Типовые варианты:

-Сеть Хемминга, ее структура, принципы работы. Самоорганизующаяся карта Кохонена (SOM), ее структура, принципы работы. Области соседства в решетке нейронов сети.

-Обучающееся векторное квантование (LVQ). Понятие векторного квантования, кодирующие векторы, мозаика Вороного, опорные векторы

Приложение 3
к рабочей программе дисциплины
«Нейроинформатика »

Прикрепленные файлы

Версия: AAAAAAQuox8 Код: 000007691

Характеристики

Список файлов учебной работы