НУК, 6 стр. Дисциплина "Интеллектуальные технологии в управлении". Задание: Построить модель искусственного нейрона. Построить САУ с ПИД-регулятором. Построить САУ с нейронным ПИД-регулятором. Сравнить работу классического регулятора и нейронного регулятора. Оптимизировать работу нейронного регулятора по минимальной ошибке. Лаба выполнена с помощью пакета Simulink в среде...
РГСУ г.Москва. ПИЭ-з-6, 2012, преп.Крашенников А.М. Задание: Изучение основ применения искусственных нейронных сетей (ИНС) в среде нейропакета JavaNNS (Java Neural Network Simulator) для распознавания образов сетями прямого распространения информации (многослойными перцептронами). Построить и обучить сеть, способную распознавать следующие изображения: квадрат, круг, треугольник,...
Применение нейронных сетей для решения задач аппроксимации функций, классификации и оптимизации.
Исследование процедур работы с нейросетевыми ПП при решении задач аппроксимации функции, классификации и оптимизации. Работа с нейросетевым пакетом Neural Planner.
Решение задачи кластеризации с помощью нейросетевого
моделирования. Изучение алгоритма решения задачи кластеризации с помощью нейросетевого моделирования и исследование процесса применения нейросетевого пакета SOMap Analyzer 1.0 для решения этой задачи.
Продукционная модель Изучение работы персептрона. Нейросеть (распознавание нарисованных цифр) Изучение алгоритма обратного распространения (Прогнозирование курса валюты) Изучение принципов работы сети Кохонена. Кодирование нечисловых данных (классификация данных). изучение принципов работы сети встречного распространения (сжатие изображения).
Днепропетровск, 2016, ДНУ имени Олеся Гончара, Изучение и усвоение методов моделирования и принципов функционирования нейро-нечетких сетей, в том числе при решении задач экономического прогнозирования, а также приобретение навыков по конструированию нейро-нечетких сетей в среде MatLAB.
Шишкин А.Л. БГТУ "Военмех" им. Д.Ф. Устинова, 5 курс, Санкт-Петербург, 2011. 6 с. Дисциплина - Представление знаний в ИС. Архив содержит отчет по лабораторной работе и программу. Цель работы: реализовать нейронную сети и алгоритм обучения методом обратного распространения ошибки.
Для студентов политехнического института.
Задание: Написать программу, реализующую обучение однослойного персептрона. В качестве примера выбрана следующая задача - нейронной сети предъявляется вектор, состоящий из 10 компонент, каждая из которых может быть нулем или единицей. Сеть должна научиться определять, чего больше - нулей или единиц.
Содержит описание дельта-правила, и...
1 Два направления: нейрокибернетика; кибернетика «черного ящика» 2 Архитектура и функциональные возможности NEURO MATRIX NM 6403/6304 2.1 Внешний интерфейс процессора 2.2 Общее описание внутренней структуры процессора
Днепропетровск, 2016, ДНУ имени Олеся Гончара, Изучение модели нейрона персептрона и архитектуры персептронной однослойной нейронной сети; создание и исследование моделей персептронных нейронных сетей в системе MatLAB.
Интеллектуальные информационные сети: понятие нейронных сетей, понятие экспертной системы, обучение нейронных сетей, построение нечетких сетей, используется встроенный пакет NNTool системы MatLAB.
Аппроксимация функций многих переменных на многослойной нейронной сети
Прогноз временных рядов на многослойной нейронной сети
Классификация данных на многослойной нейронной сети
+ ответы на контрольные вопросы
Отчет по лабораторной работе. Уфа: УГАТУ, 2012 г., 10 стр. Дисциплина: "Интеллектуальные системы". Преподаватель: Жернаков С.В. Цель работы: закрепить навыки применения математического аппарата нейронных сетей для решения задачи распознавания образов, ознакомиться с пакетом нейросетевого моделирования Trajan 3.0.
НУК, Дисциплина - "Компьютеризированные системы искусственного интеллекта". Лаба реализована в среде Delphi. В архиве имеется как отчёт по лабе, так и исходники. Задание: C помощью 2 «нейронов Троянда» и с помощью 6 ограничительных значений распознать 1-ю литеру своей фамилии ("П"). Есть 2 класса. Следовательно, один из них представляет букву «П», все остальные – второй класс....
Шишкин А.Л. Дисциплина - представление знаний в ИС. БГТУ "Военмех" им. Д.Ф. Устинова, 5 курс, Санкт-Петербург, 2011. Архив содержит отчет по лабораторной работе и программу. Цель работы: реализовать сеть адаптивной резонансной теории.
Вчера постирал семестровку - рубашку, которую носил не стирая семестр, и одновременно легко решил сложную задачу при помощи АНФИСы - системы нейро-нечеткого вывода ANFIS пакета MatLAB. Файл с методичкой прилагается. Всем чистых рубах и успехов. Почти как Юлий Цезарь - Аким.
ВСГУТУ, Улан-Удэ, 2013. — 4 с.
Цель работы: Освоение основных приемов работы с программным продуктом NeuroPro в ходе создания и обучения простейшей нейронной сети
Днепропетровск, 2016, ДНУ имени Олеся Гончара, Знакомство с методологией нечеткого моделирования. Описание заданной нелинейной функции множеством правил вида ЕСЛИ-ТО.
Комментарии