Нейронная сеть двунаправленная ассоциативная память распознавание цифр
Заказать уникальную курсовую работу- 39 39 страниц
- 23 + 23 источника
- Добавлена 23.06.2020
- Содержание
- Часть работы
- Список литературы
- Вопросы/Ответы
Введение 2
1. Обзор предметной области. Актуальность работы 4
2. Изучение принципов работы нейронной сети двунаправленной ассоциативной памяти 11
3. Разработка алгоритма реализации нейронной сети 17
4. Обучение нейронной сети 21
5. Тестирование работы нейронной сети, анализ результатов работы 34
Заключение 37
Список использованных источников 38
1. Елманова Н.А. Системы управления базами данных ведущих производителей/ Н.А. Елманова КомпьютерПресс, июль 2015.
2. Абраменко А. Принципы распознавания / А. Абраменко – K:.Компьютер–пресс, 2017 – 123 с.
3. Rеsеаrсh Librаry – статья по искусственному интеллекту.
4. Шамис А.Л. Принципы интеллектуализации автоматического распознавания / А.Л. Шамис – K:.2010 – 312 с.
5. Дорошенко Т.Ю., Костюченко Е.Ю. (2014). «Система распознования на основе динамики ». Доклады ТУСУРа, № 2 (32).
6. ↑ Колядин Д.В., Петров И.Б. (2015). «Алгоритм выделения экстремальных точек применительно к задаче биометрической верификации изображения». Электронный журнал «ИССЛЕДОВАНО В РОССИИ».
7. VISHVJIT S. NАLWА (2015). «Аutоmаtiс Оn-Linе Signаturе Vеrifiсаtiоn». РRОСЕЕDINGS ОF THЕ IЕЕЕ, VОL. 85, NО. 2.
8. Э.С. Анисимова (2014). «[httр://сrm.iсs.оrg.ru/uрlоаds/ сrmissuеs/сrm_2014_3/14302.рdf Идентификация изображения с помощью оконного преобразования Фурье и радиального базиса]». КОМПЬЮТЕРНЫЕ ИССЛЕДОВАНИЯ И МОДЕЛИРОВАНИЕ Т. 6 № 3 С. 357–364.
9. Fаundеz-Zаnuy, Mаrсоs (2017). «Оn-linе signаturе rесоgnitiоn bаsеd оn VQ-DTW». Раttеrn rесоgnitiоn 40 (3): 981-992.
10. M. M. Lаngе, S.N. Gаnеbnykh (2015). «Сlаssifiсаtiоn оf 2D Grаysсаlе Оbjесts in а Sрасе оf thе Multirеsоlutiоn Rерrеsеntаtiоn».
11. Колядин Д.В., Савин А.А. (2002). «О проблеме верификации изображения в системах контроля доступа». Обработка информации и моделирование. – М.: МФТИ, 2012: 81-89.
12. «Алгоритм разбиения изображения на фрагменты применительно к задаче повышения надежности распознавания личности по динамике написания паролей». Материалы 62-й научно-технической конференции СибАДИ. -Омск, т.Кн. 1.: 124-128.
13. Шлезингер М., Главач В. Десять лекций по статистическому и структурному распознаванию / М. Шлезингер, В. Главач – М.:2014 – 112 с.
14. Гаврилов Г.П. Логический подход к искусственному интеллекту / Г.П. Гаврилов – М.: Мир, 2008 – 256 с.
15. Кучуганов А.В. , Лапинская Г.В. Распознавание изображения / А.В. Кучуганов, Г.В. Лапинская – Ижевск:.Мир, 2016 – 514 с.
16. G.А.Саrреntеr аnd S. Grоssbеrg Раttеrn Rесоgnitiоn by Sеlf Оrgаnizing Nеurаl Nеtwоrks / G.А.Саrреntеr аnd S. Grоssbеrg N.Y.:MIT Рrеss, 2011 – 541 с.
17. Thе First Сеnsus Орtiсаl Сhаrасtеr Rесоgnitiоn Systеm Соnfеrеnсе / Wilkinsоnеt R.А. – Gаithеrsburg:Соmmеrsе, NIST, 2012 – 242 с.
18. Шлезингер М., Главач В. Структурное распознавание / М. Шлезингер , В. Главач – Киев: Наукова думка, 2016 – 300 с.
19. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. Пер. с англ. 240 с.
20. Саймон Хайкин Нейронные сети: полный курс Второе издание, 2016-1105с.
21. Rоsеnblаtt F. Рrinсiрlеs оf Nеurоdinаmiсs. Nеw Yоrk: Sраrtаn Bооks. (Русский перевод: Розенблатт Ф. Принципы нейродинамики. - М: Мир. - 2005.)
22. Minsky M. L, Рареrt S. 1969. Реrsерtrоns. Саmbridgе, MА: MIT Рrеss. (Русский перевод: Минский М. Л., Пейперт С. Персептроны. - М: Мир. - 2011.)
23. Орлов А.И. Задачи оптимизации и нечеткая переменная.-М.: Знание, 2010.
Вопрос-ответ:
Что такое двунаправленная ассоциативная память?
Двунаправленная ассоциативная память - это тип нейронной сети, способной ассоциировать входные данные со своими соответствующими выходными данными и обратно. Она использует ассоциативные связи между нейронами для распознавания и запоминания информации.
Какова актуальность работы на тему нейронной сети двунаправленной ассоциативной памяти?
Работа на тему нейронной сети двунаправленной ассоциативной памяти актуальна, так как такие сети могут использоваться для распознавания и запоминания образов, что является важной задачей в области искусственного интеллекта. Они могут быть использованы в таких областях, как компьютерное зрение, робототехника, автоматическая обработка естественного языка и многое другое.
Какие принципы работы лежат в основе нейронной сети двунаправленной ассоциативной памяти?
Нейронная сеть двунаправленной ассоциативной памяти основана на принципах сетей Хопфилда и Больцмана. Она состоит из двух слоев: прямого и обратного. В прямом слое происходит распознавание и ассоциация данных, а в обратном слое происходит обратная связь для корректировки весовых коэффициентов. Таким образом, сеть способна запоминать и ассоциировать информацию в обоих направлениях.
Как происходит разработка алгоритма реализации нейронной сети двунаправленной ассоциативной памяти?
Разработка алгоритма реализации нейронной сети двунаправленной ассоциативной памяти включает в себя выбор архитектуры сети, определение функций активации, определение правил обучения и оптимизации весовых коэффициентов. Также необходимо провести тестирование и анализ результатов работы сети для оценки ее эффективности.
В чем актуальность работы на тему "Нейронная сеть двунаправленная ассоциативная память распознавание цифр"?
Нейронные сети имеют огромный потенциал в решении сложных задач, включая распознавание образов. Распознавание цифр является одной из таких задач, и разработка эффективной нейронной сети для этой цели имеет большую актуальность.
Какие принципы работы лежат в основе нейронной сети двунаправленной ассоциативной памяти?
Нейронная сеть двунаправленной ассоциативной памяти основана на принципе ассоциативной памяти, который позволяет запоминать и восстанавливать связи между входными и выходными данными. Данная сеть имеет два слоя нейронов: входной и выходной, и обучается на парах входных и выходных данных, чтобы установить ассоциативные связи между ними.
Какой алгоритм используется для реализации нейронной сети двунаправленной ассоциативной памяти?
Для реализации нейронной сети двунаправленной ассоциативной памяти используется алгоритм, основанный на обучении с учителем. Сначала сеть обучается на парах входных и выходных данных, где входные данные представляют собой образы цифр, а выходные данные - соответствующие этим образам цифры. Затем сеть используется для распознавания входных образов.
Как происходит обучение нейронной сети двунаправленной ассоциативной памяти?
Обучение нейронной сети двунаправленной ассоциативной памяти происходит путем предъявления пар входных и выходных данных. Для каждой пары сначала вычисляется суммарная ошибка между выходными данными сети и ожидаемыми выходными данными. Затем эта ошибка распространяется назад через сеть, и веса нейронов корректируются с помощью алгоритма обратного распространения ошибки.
Как происходит тестирование работы нейронной сети двунаправленной ассоциативной памяти?
Для тестирования работы нейронной сети двунаправленной ассоциативной памяти используются входные данные, которые не были использованы во время обучения. Затем сеть применяется к этим данным, и выходные данные сравниваются с ожидаемыми результатами. Таким образом можно оценить точность работы сети и проанализировать результаты.
Для чего используется нейронная сеть двунаправленная ассоциативная память?
Нейронная сеть двунаправленная ассоциативная память используется для распознавания и ассоциативного запоминания определенных образов или шаблонов. Она может использоваться, например, для распознавания цифр или других типов изображений.
Какие преимущества имеет использование нейронной сети двунаправленной ассоциативной памяти?
Основным преимуществом использования нейронной сети двунаправленной ассоциативной памяти является ее способность распознавать и ассоциировать образы даже при наличии искажений или шумов. Она также обладает высокой скоростью обучения и возможностью распараллеливания вычислений, что делает ее эффективным инструментом для решения задач распознавания образов.