Методы и системы исскуственнного интеллекта


  • 0

В ходе выполнения данной лабораторной работы я построила и обучила нейронную сеть для аппроксимации.Разработала программу, которая реализует нейросетевой алгоритм аппроксимации и выводит результаты аппроксимации в виде графиков.

Подробнее...

  • 0

Искусственные нейронные сети, подобно биологическим, являются вычислительной системой с огромным числом параллельно функционирующих простых процессоров с множеством связей. Несмотря на то, что при построении таких сетей обычно делается ряд допущений и значительных упрощений, отличающих их от биологических аналогов, искусственные нейронные сети демонстрируют удивительное число свойств, присущих мозгу, — это обучение на основе опыта, обобщение, извлечение существенных данных из избыточной информации.

Подробнее...

  • 1

Развитие искусственных нейронных сетей вдохновляется биологией. То есть, рассматривая сетевые конфигурации и алгоритмы, исследователи применяют термины, заимствованные из принципов организации мозговой деятельности. Но на этом аналогия заканчивается. Наши знания о работе мозга столь ограничены, что мало бы нашлось точно доказанных закономерностей для тех, кто пожелал бы руководствоваться ими. Поэтому разработчикам сетей приходится выходить за пределы современных биологических знаний в поисках структур, способных выполнять полезные функции. Во многих случаях это приводит к необходимости отказа от биологического правдоподобия, мозг становится просто метафорой, и создаются сети, невозможные в живой материи или требующие неправдоподобно больших допущений об анатомии и функционировании мозга.

Подробнее...

  • 0

Цель лабораторной работы: освоить основные принципы решения задачи кластеризации с использованием нейронных сетей со слоем Кохонена и самоорганизующихся карт.

Подробнее...

  • 0

Самостоятельное программирование в полном объеме простейшей экспертной системы.

Подробнее...

  • 0

Целью работы является разработка модели мониторинга кластерных суперкомпьютеров, которая позволит на основе параметров работы отдельных компонентов системы оценить состояние функционирования вычислительного кластера в целом. Для достижения поставленной цели были сформированы следующие задачи: – рассмотреть особенности архитектуры суперкомпьютеров и выделить базовые компоненты систем; – определить множество параметров для оценки каждого элемента системы; разработать и реализовать метод классификации состояния системы с использованием стекинг алгоритмов машинного обучения для обнаружения аномалий функционирования вычислительного кластера на основе модели мониторинга кластерных суперкомпьютеров.

Подробнее...

Результаты 1 - 6 c 6