скачать (465.6 kb.)
- Смотрите также:
- Алтаев А.А., Бундаев В.В. Компьютерное моделирование. Лабораторный практикум [ документ ]
- Технологии нейронного управления [ лекция ]
- Развитие искусственных нейронных сетей в историческом аспекте [ документ ]
- Биологический прототип и искусственный нейрон [ документ ]
- Врубель Ю.А. Исследования в дорожном движении [ документ ]
- АмГУ. Методички к лабораторным работам по имитационному моделированию [ документ ]
- Васильев В.В., Симак Л.А., Рыбникова А.М. Математическое и компьютерное моделирование процессов и систем в среде MATLAB/SIMULINK [ документ ]
- Автор неизвестен Методическое пособие - Электричество и магнетизм [ документ ]
- С. А. Саидов Новосибирский государственный технический университет, г. Новосибирск [ документ ]
- Биячуев Т.А. Безопасность корпоративных сетей [ документ ]
- №1 идентификация черного ящика с помощью нейронных сетей [ документ ]
- Искусственные нейронные сети [ документ ]
РОСЖЕЛДОР
Государственное образовательное учреждение
высшего профессионального образования
Ростовский государственный университет путей сообщения
(РГУПС)
С.М. Ковалев, А.Е. Хатламаджиян
МОДЕЛИРОВАНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В СРЕДЕ MATLAB
Учебно-методическое пособие к лабораторным работам
Ростов-на-Дону
2008
УДК 681.3.06 : 519.711.3(07) + 06
Ковалев, С.М.
Моделирование искусственных нейронных сетей в среде MATLAB: Учебно-методическое пособие к лабораторным работам / С.М. Ковалев, А.Е. Хатламаджиян ; Рост. гос. ун-т путей сообщения. – Ростов н/Д, 2008. – 35 с. : ил. Библиогр. 3 назв.
Рассмотрены основные парадигмы искусственных нейронных сетей и методы их обучения.
Приводится методика выполнения лабораторных работ с использованием инстументальных средств компьютерной среды математического моделирования MATLAB.
Предназначено для студентов изучающих дисциплину «Математическое моделирование систем и процессов», а также может быть полезно научным работникам и аспирантам.
Учебно-методическое пособие одобрено к изданию кафедрой «Автоматика и телемеханика на ж.-д. транспорте» РГУПС.
Рецензент канд. техн. наук, доц. Д.В. Швалов (РГУПС)
Учебное издание
Ковалев Сергей Михайлович
Хатламаджиян Агоп Ервандович
МОДЕЛИРОВАНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В СРЕДЕ MATLAB
Учебное пособие
Редактор Молодцова Ю.Ю.
Корректор Молодцова Ю.Ю.
Подписано в печать . Формат 60х84/16.
Бумага офсетная. Ризография. Усл. печ. л. 2,09.
Уч.-изд. л. 2,00. Тираж 100 экз. Изд. № 247. Заказ №
Ростовский государственный университет путей сообщения.
Ризография РГУПС.
Адрес университета: 344038, г. Ростов н/Д, пл. Ростовского Стрелкового Полка Народного Ополчения, 2.
© Ростовский государственный университет путей сообщения, 2008
Оглавление
Введение
Лабораторная работа № 1. ИЗУЧЕНИЕ СВОЙСТВ ЛИНЕЙНОГО НЕЙРОНА И ЛИНЕЙНОЙ НЕЙРОННОЙ СЕТИ
1 ЦЕЛЬ РАБОТЫ
2 СВЕДЕНИЯ ИЗ ТЕОРИИ
2.1 Модель нейрона
2.2 Алгоритм обучения по дельта-правилу
2.3 Описание основных функций
3 ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ
4 КОНТРОЛЬНЫЕ ВОПРОСЫ
Лабораторная работа № 2. ИЗУЧЕНИЕ МНОГОСЛОЙНОГО НЕЛИНЕЙНОГО ПЕРСЕПТРОНА И АЛГОРИТМА ОБРАТНОГО РАСПРОСТРАНЕНИЯ ОШИБКИ
1 ЦЕЛЬ РАБОТЫ
2 СВЕДЕНИЯ ИЗ ТЕОРИИ
2.1 Алгоритм обратного распространения ошибки
2.2 Описание основных функций
3 ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ
4 КОНТРОЛЬНЫЕ ВОПРОСЫ
Лабораторная работа № 3. ИЗУЧЕНИЕ РАДИАЛЬНЫХ БАЗИСНЫХ, ВЕРОЯТНОСТНЫХ НЕЙРОННЫХ СЕТЕЙ, СЕТЕЙ РЕГРЕССИИ
1 ЦЕЛЬ РАБОТЫ
2 СВЕДЕНИЯ ИЗ ТЕОРИИ
2.1 Радиально-базисные сети. Сети регрессии. Вероятностные НС
2.2 Описание основных функций
3 ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ
4 КОНТРОЛЬНЫЕ ВОПРОСЫ
Библиографический список
Введение
Нейронные сети – это раздел искусственного интеллекта, в котором для обработки сигналов используются явления, аналогичные происходящим в нейронах живых существ. Важнейшая особенность сети, свидетельствующая о ее широких возможностях и огромном потенциале, состоит в параллельной обработке информации всеми звеньями. При громадном количестве межнейронных связей это позволяет значительно ускорить процесс обработки информации. Во многих случаях становится возможным преобразование сигналов в реальном времени. Кроме того, при большом числе межнейронных соединений сеть приобретает устойчивость к ошибкам, возникающим на некоторых линиях. Функции поврежденных связей берут на себя исправные линии, в результате чего деятельность сети не претерпевает существенных возмущений.
Другое не менее важное свойство – способность к обучению и обобщению накопленных знаний. Нейронная сеть обладает чертами искусственного интеллекта. Натренированная на ограниченном множестве данных сеть способна обобщать полученную информацию и показывать хорошие результаты на данных, не использовавшихся в процессе обучения.
Характерная особенность сети состоит также в возможности ее реализации с применением технологии сверхбольшой степени интеграции. Различие элементов сети невелико, а их повторяемость огромна. Это открывает перспективу создания универсального процессора с однородной структурой, способного перерабатывать разнообразную информацию.
В учебно-методическом пособии в краткой форме приведены теоретические сведения об основных парадигмах НС и примеры их реализации в компьютерной среде математического моделирования MATLAB для решения типовых задач.
Лабораторная работа № 1
Скачать файл (465.6 kb.)