🗊 Презентация Нейронные сети. Введение

Категория: Физика
Нажмите для полного просмотра!
Нейронные сети. Введение, слайд №1 Нейронные сети. Введение, слайд №2 Нейронные сети. Введение, слайд №3 Нейронные сети. Введение, слайд №4 Нейронные сети. Введение, слайд №5 Нейронные сети. Введение, слайд №6 Нейронные сети. Введение, слайд №7 Нейронные сети. Введение, слайд №8 Нейронные сети. Введение, слайд №9 Нейронные сети. Введение, слайд №10 Нейронные сети. Введение, слайд №11 Нейронные сети. Введение, слайд №12 Нейронные сети. Введение, слайд №13 Нейронные сети. Введение, слайд №14 Нейронные сети. Введение, слайд №15 Нейронные сети. Введение, слайд №16 Нейронные сети. Введение, слайд №17 Нейронные сети. Введение, слайд №18 Нейронные сети. Введение, слайд №19 Нейронные сети. Введение, слайд №20 Нейронные сети. Введение, слайд №21 Нейронные сети. Введение, слайд №22 Нейронные сети. Введение, слайд №23 Нейронные сети. Введение, слайд №24 Нейронные сети. Введение, слайд №25 Нейронные сети. Введение, слайд №26 Нейронные сети. Введение, слайд №27 Нейронные сети. Введение, слайд №28 Нейронные сети. Введение, слайд №29 Нейронные сети. Введение, слайд №30 Нейронные сети. Введение, слайд №31 Нейронные сети. Введение, слайд №32 Нейронные сети. Введение, слайд №33 Нейронные сети. Введение, слайд №34
Скачать

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Нейронные сети. Введение. Доклад-сообщение содержит 34 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1


Нейронные сети Введение Корлякова М.О. 2019
Описание слайда:
Нейронные сети Введение Корлякова М.О. 2019

Слайд 2


Физиологический нейрон
Описание слайда:
Физиологический нейрон

Слайд 3


Блочная диаграмма нервной системы
Описание слайда:
Блочная диаграмма нервной системы

Слайд 4


1942 – Мак-Каллок – Питц 1942 – Мак-Каллок – Питц 1948 – Н.Винер – «Кибернетика» 1949 – Хебб 1949 – Аттли - обученная нейросеть 1960 – алгоритм...
Описание слайда:
1942 – Мак-Каллок – Питц 1942 – Мак-Каллок – Питц 1948 – Н.Винер – «Кибернетика» 1949 – Хебб 1949 – Аттли - обученная нейросеть 1960 – алгоритм обучения по наименьшим квадратам (Least mean-square - LMS) 1960-1970 – Розенблат – обучение перцептрона 1969 – Минский – Пайперт – фундаментальное ограничение линейных нейросетей.

Слайд 5


1967 – Кован – сигмоидальная функция 1967 – Кован – сигмоидальная функция 1980 – Теория Адаптивного Резонанса – АRТ 1970-1980 – самоорганизация –...
Описание слайда:
1967 – Кован – сигмоидальная функция 1967 – Кован – сигмоидальная функция 1980 – Теория Адаптивного Резонанса – АRТ 1970-1980 – самоорганизация – Карты Кохонена 1980 – Гросберг – конкурентное обучение 1982 – Хопфилд – функция энергии для описания рекуррентных сетей 1986 – Алгоритм обратного распространения по ошибке

Слайд 6


Нейроны Хебба Маккалока – Питца Сигмоидный Гросберга Радиальный WTA
Описание слайда:
Нейроны Хебба Маккалока – Питца Сигмоидный Гросберга Радиальный WTA

Слайд 7


Формальная модель нейрона
Описание слайда:
Формальная модель нейрона

Слайд 8


Формальная модель нейрона
Описание слайда:
Формальная модель нейрона

Слайд 9


Активационные функции Линейные. Нелинейные.
Описание слайда:
Активационные функции Линейные. Нелинейные.

Слайд 10


Модель нейрона Мак-Калока – Питца
Описание слайда:
Модель нейрона Мак-Калока – Питца

Слайд 11


w1=0.1, q=0, k=0.1 S(i)=sum(X(:,i).*W); Если ((S(i)+q)*k)>=0 , y(i)=1, иначе y(i)=0 W2=0.3 w2=-0.1
Описание слайда:
w1=0.1, q=0, k=0.1 S(i)=sum(X(:,i).*W); Если ((S(i)+q)*k)>=0 , y(i)=1, иначе y(i)=0 W2=0.3 w2=-0.1

Слайд 12


k=0.1, w1=0.1, w2=0.3 S(i)=sum(X(:,i).*W); Если ((S(i)+q)*k)>=0 , y(i)=1, иначе y(i)=0 q=0, q=3
Описание слайда:
k=0.1, w1=0.1, w2=0.3 S(i)=sum(X(:,i).*W); Если ((S(i)+q)*k)>=0 , y(i)=1, иначе y(i)=0 q=0, q=3

Слайд 13


Кусочно-линейная
Описание слайда:
Кусочно-линейная

Слайд 14


Сигмоидальная
Описание слайда:
Сигмоидальная

Слайд 15


k=0.1, w1=0.1, w2=0.3 S(i)=sum(X(:,i).*W); y(i)=1/(1+exp((-S(i)+q)/k)); q=0, q=2,
Описание слайда:
k=0.1, w1=0.1, w2=0.3 S(i)=sum(X(:,i).*W); y(i)=1/(1+exp((-S(i)+q)/k)); q=0, q=2,

Слайд 16


q=0, , w1=0.1, w2=0.3 S(i)=sum(X(:,i).*W); y(i)=1/(1+exp((-S(i)+q)/k)); k=0.1, k=0.5
Описание слайда:
q=0, , w1=0.1, w2=0.3 S(i)=sum(X(:,i).*W); y(i)=1/(1+exp((-S(i)+q)/k)); k=0.1, k=0.5

Слайд 17


RBF (WTA) Y(r)=e(-r2/k) r=||X-W|| k=1 k=5
Описание слайда:
RBF (WTA) Y(r)=e(-r2/k) r=||X-W|| k=1 k=5

Слайд 18


Нейронная сеть Число слоев/число нейронов по слоям Обратные связи Активационные функции Число входов Число выходов Алгоритм настройки весов(обучения)...
Описание слайда:
Нейронная сеть Число слоев/число нейронов по слоям Обратные связи Активационные функции Число входов Число выходов Алгоритм настройки весов(обучения) Тип задачи, решаемой сетью

Слайд 19


Слой нейросети Группа нейронов сети: Общие функции (задачи) Общие внешние связи Общие входы Зачем выделять слой?
Описание слайда:
Слой нейросети Группа нейронов сети: Общие функции (задачи) Общие внешние связи Общие входы Зачем выделять слой?

Слайд 20


Режимы функционирования нейросетей Обучение Работа
Описание слайда:
Режимы функционирования нейросетей Обучение Работа

Слайд 21


Формальная модель сети f(X)=Net(X)
Описание слайда:
Формальная модель сети f(X)=Net(X)

Слайд 22


Архитектуры НС (классификация) Тип обучения С учителем Без учителя Класс алгоритмов оучения Число слоев: Однослойные многослойные. Обратные связи:...
Описание слайда:
Архитектуры НС (классификация) Тип обучения С учителем Без учителя Класс алгоритмов оучения Число слоев: Однослойные многослойные. Обратные связи: Нет – сети прямого распространения Есть – рекуррентные сети.

Слайд 23


Однослойная сеть
Описание слайда:
Однослойная сеть

Слайд 24


Многослойная сеть (2 слоя)
Описание слайда:
Многослойная сеть (2 слоя)

Слайд 25


Сеть прямого распространения
Описание слайда:
Сеть прямого распространения

Слайд 26


Многослойная сеть прямого распространения (к слоев)
Описание слайда:
Многослойная сеть прямого распространения (к слоев)

Слайд 27


Рекуррентные сети
Описание слайда:
Рекуррентные сети

Слайд 28


Многослойные рекуррентные сети
Описание слайда:
Многослойные рекуррентные сети

Слайд 29


Виды обучения С учителем T={(Xi,di)}, i=1,N Xi- входной вектор di – выходной вектор Без учителя T={Xi}, i=1,N Xi- входной вектор
Описание слайда:
Виды обучения С учителем T={(Xi,di)}, i=1,N Xi- входной вектор di – выходной вектор Без учителя T={Xi}, i=1,N Xi- входной вектор

Слайд 30


Классы алгоритмов обучения нейронных сетей «Правило Хебба» Коррекция по ошибке Стохастическое обучение «Правило соревнования» – конкурентное обучение
Описание слайда:
Классы алгоритмов обучения нейронных сетей «Правило Хебба» Коррекция по ошибке Стохастическое обучение «Правило соревнования» – конкурентное обучение

Слайд 31


Вселенский разум
Описание слайда:
Вселенский разум

Слайд 32


Вопрос Вариант 1
Описание слайда:
Вопрос Вариант 1

Слайд 33


литература Комарцова Л.Г. Максимов А.В. Нейрокомпьютеры – М.:Из-во МГТУ - 2004.
Описание слайда:
литература Комарцова Л.Г. Максимов А.В. Нейрокомпьютеры – М.:Из-во МГТУ - 2004.

Слайд 34


Темы рефератов Критика моделей искусственного интеллекта предложенных в НФ литературе Модели формальных нейронов (не Мак-Калока-Питца): их...
Описание слайда:
Темы рефератов Критика моделей искусственного интеллекта предложенных в НФ литературе Модели формальных нейронов (не Мак-Калока-Питца): их достоинства и недостатки. Модель обучения по Дельта-правилу: исследовать ограничения и возможнсти.

Скачать

Похожие презентации
Mypresentation.ru
Загрузить презентацию