Курсовая работа на тему: Метод обучения нейронных сетей Правило обратного распространения ошибки

Введение

Искусственная нейронная сеть - математическая модель, реализуемая программно или аппаратно, построенная по подобию естественных нейронных сетей (сетей нервных клеток живого организма), представляющая собой соединение простых взаимодействующих между собой процессов - искусственных нейронов.

Простейшая нейронная сеть - однослойная, представляющая из себя расположенные параллельно нейроны, получающие на входы одинаковые сигналы, но имеющие различные синоптические связи.

Многослойная искусственная нейронная сеть может содержать произвольное количество слоев, каждый слой состоит из нескольких нейронов, число которых также может быть произвольно, количество входов n, количество выходов - числу нейронов в выходном слое.

Дельта-правило (Δ-правило) - метод обучения перцептрона (математическая и компьютерная модель восприятия информации мозгом) по принципу градиентного спуска по поверхности ошибки.

Метод обратного распространения ошибки - метод обучения многослойного перцептрона. Основная идея этого метода состоит в распространении сигналов ошибки от выходов сети к её входам, в направлении, обратном прямому распространению сигналов в обычном режиме работы.

Алгоритм обучения нейронных сетей:

. Формирование структуры сети;

. Обучение;

. Тестирование;

. Использование.

Оглавление

- Введение

- Теоретический материал

- Обучение искусственных нейронных сетей

- Алгоритм обучения сети по - правилу

- Алгоритм обратного распространения ошибки

- Выполнение задания с помощью алгоритма обучения сети по - правилу. Реализация в программном продукте NeuroPro 0.25

- Выполнение задания с помощью алгоритма обратного распространения ошибки Вывод

- Используемая литература