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.
Цель работы – изучение алгоритмов обучения нейронных сетей.
Для достижения поставленной цели в работе поставлены следующие задачи:
- Описать алгоритмы обучения нейронных сетей.
- Рассмотреть методы ускорения обучения нейронной сети.
- Изучить области применения нейронных сетей.
- Рассмотреть алгоритм обратного распространения ошибки.
- Реализовать алгоритм обратного распространения ошибки на примере аппроксимации функции.
Объектом исследования являются нейронные сети.
Предмет – алгоритмы обучения нейронной сети.
Практической значимостью работы является возможность использования обученных нейронных сетей для решения различных задач.
Структура работы и объем работы определяется целью и основными задачами исследования. Курсовая работа состоит из введения, двух глав, заключения и списка использованной литературы. Текст работы изложен на 33 страницах текста
CyborDev