Алгоритм - обучение - Большая Энциклопедия Нефти и Газа, статья, страница 1
Закон администратора: в любой организации найдется человек, который знает, что нужно делать. Этот человек должен быть уволен. Законы Мерфи (еще...)

Алгоритм - обучение

Cтраница 1


Алгоритмы обучения распознаванию образов, основанные на восстановлении плотности распределения вероятностей ( состава объединения Р ( к со 0), Р ( х со 1) и его пропорции Р ( со 0)), традиционно связаны с двумя классами распределений.  [1]

Алгоритмы обучения бывают с учителем и без. Алгоритм называется алгоритмом с учителем, если при обучении известны и входные, и выходные вектора сети. Имеются пары вход выход - известные условия задачи и решение. В процессе обучения сеть меняет свои параметры и учится давать нужное отображение х - Y Сеть учится давать результаты, которые нам уже известны. За счет способности к обобщению сетью могут быть получены новые результаты, если подать на вход вектор, который не встречался при обучении.  [2]

Алгоритм обучения представляет собой правило выбора порции обучающей информации U, которую необходимо заучить.  [3]

Алгоритм обучения на графе допускает следующую интерпретацию. На k - м шаге рассматривается каждая ветвь, построенная на предыдущем шаге. Если конъюнкция zh ( со), соответствующая этой ветви, характеризует ( с вероятностью 1) некоторый класс Qlt то ветвь заканчивается листом с номером i. В противном случае ветвь дополняется узлом, отобранным в соответствии с критерием (7.13) и из этого узла строятся два новых ребра, отвечающих возможным значениям соответствующего признака.  [4]

Алгоритм обучения может быть теперь представлен в виде следующих шагов.  [5]

Алгоритм обучения ( без учителя) Кохонена может быть теперь описан следующим образом.  [6]

Алгоритмы обучения, как и вообще искусственные нейронные сети, могут быть представлены как в дифференциальной, так и в конечно-разностной форме. При использовании дифференциальных уравнений предполагают, что процессы непрерывны и осуществляются подобно большой аналоговой сети.  [7]

8 Область связей нейрона. [8]

Алгоритм обучения когнитрона является концептуально привлекательным. В заданной области слоя обучается только наиболее сильно возбужденный нейрон. Автор сравнивает это с элитным обучением, при котором обучаются только умные элементы. Те нейроны, которые уже хорошо обучены, что выражается силой их возбуждения, получат приращение силы своих синапсов с целью дальнейшего усиления своего возбуждения.  [9]

Алгоритм обучения когнитрона позволяет весам синапсов возрастать без ограничений. Благодаря отсутствию механизма уменьшения весов они просто возрастают в процессе обучения.  [10]

Алгоритм обучения сети Хопфилда основывается на правиле Хебба.  [11]

12 Функция активации нейронов сети Хопфилда. [12]

Алгоритм обучения сети Хопфилда основывается на правиле Хебба и включает следующие шаги.  [13]

Алгоритм обучения перцептрона включает следующие шаги.  [14]

Алгоритм обучения персептрона может быть реализован на цифровом компьютере или другом электронном устройстве, и сеть становится в определенном смысле самоподстраивающейся. По этой причине процедуру подстройки весов обычно называют обучением и говорят, что сеть обучается.  [15]



Страницы:      1    2    3    4