Головна Головна -> Дипломні роботи українською -> Інформатика, комп'ютери, програмування -> Створення ймовірнісної нейронної мережі PNN (Probabilistic Neural Networks)

Створення ймовірнісної нейронної мережі PNN (Probabilistic Neural Networks)

Назва:
Створення ймовірнісної нейронної мережі PNN (Probabilistic Neural Networks)
Тип:
Дипломна робота
Мова:
Українська
Розмiр:
7,25 KB
Завантажень:
337
Оцінка:
 
поточна оцінка 3.0


Скачати цю роботу безкоштовно
Пролистати роботу: 1  2  3  4  5 
КУРСОВА РОБОТА
Створення ймовірнісної нейронної мережі PNN (Probabilistic Neural Networks)
для класифікації двовимірних векторів на 4 класи




ЗМІСТ
 


ВСТУП
Усі штучні нейронні мережі можуть вирішувати різного роду проблеми, а саме кластеризації, апроксимації функцій, задачі передбачення, оптимізації, керування, класифікації образів.
Завдання класифікації образів полягає у вказуванні приналежності вхідного образу, представленого вектором ознак, одному чи декільком попередньо визначеним класам. До відомих застосувань відносяться розпізнавання букв, розпізнавання мови, класифікація сигналу електрокардіограми, класифікація кліток крові.
Зокрема мережею, що вирішує питання класифікації є ймовірнісна нейронна мережа PNN (Probabilistic Neural Networks). Архітектура мережі PNN базується на архітектурі радіальної базисної сітки, але в якості другого шару використовується так званий конкуруючий шар, який підраховує вірогідність приналежності вхідного вектора до того чи іншого класу і в кінцевому рахунку співставляє вектор з тим класом, ймовірність приналежності до якого більша.
Мережі PNN межуть дуже ефективно використовуватись для рішення задач класифікації. Якщо задано достатньо велику навчальну множину, то рішення, що генерується мережею, зводяться до рішень, що відповідають правилу Байеса. Недолік мереж PNN заключається у відносно повільній роботі, оскільки виконують дуже великі об’єми обчислень в порівнянні з іншими типами нейронних мереж.


1 ТЕХНІЧНЕ ЗАВДАННЯ
Завданням у даній курсовій роботі є створити ймовірносну нейронну мережу PNN (Probabilistic Neural Networks) для класифікації двовимірних векторів на 4 класи. Масиви для 20 (по 5 у кожному класі) пар вхідних і цільових векторів x із випадковими координатами {x1, x2}, що розподілені за рівномірним законом, сформувати так, щоби ці координати задовольняли умовам, які зведені в таблицю 1.
Таблиця 1 – Варіанти завдань
Варіант | Класи класифікації | Координати векторів
x1 | x2
Всі
варіанти
з 21 до 30 | клас 1 | 0 < x1 < 1 | 0 < x2 < 1
клас 2 | 1 < x1 < 2 | 0 < x2 < 1
клас 3 | 1 < x1 < 2 | 1 < x2 < 2
клас 4 | 0 < x1 < 1 | 1 < x2 < 2
Для створення даної нейнонної мережі необхідно:–
сформувати вхідний і цільовий масиви даних для навчання мережі „з вчителем”, а також контрольні (вхідний і цільовий) масиви даних, призначені для тестування створеної мережі;–
провести навчання мережі за допомогою одного з відомих алгоритмів;–
провести моделювання процесу обробки контрольного масиву даних за допомогою створеної мережі;–
надати приклад застосування створеної мережі;–
звести всі отримані результати в пояснювальну записку, оформлену відповідно до діючого стандарту [1].


2 ТЕОРЕТИЧНА ЧАСТИНА
2.1 Структура і властивості штучного нейрона
Нейрон є складовою частиною нейронної мережі. На рисунку 2.1 зображена його структура. Він складається з елементів трьох типів: помножувачів (синапсів), суматора і нелінійного перетворювача. Синапси здійснюють зв’язок між нейронами, множать вхідний сигнал на число, що характеризує силу зв’язку, (вагу синапса). Суматор виконує додавання сигналів, що надходять по синаптичним зв’язках від інших нейронів, і зовнішніх вхідних сигналів. Нелінійний перетворювач реалізує нелінійну функцію одного аргументу – виходу суматора. Ця функція називається функцією активації чи передатною функцією нейрона.
Рисунок 2.1 – Структура штучного нейрона
У загальному випадку вхідний сигнал, вагові коефіцієнти і зсув можуть приймати дійсні значення, а в багатьох практичних задачах - лише деякі фіксовані значення. Вихід (у) визначається видом функції активації і може бути як дійсним, так і цілим.
Описаний обчислювальний елемент можна вважати спрощеною математичною моделлю біологічних нейронів. Щоб підкреслити відмінність нейронів біологічних і штучних, другі іноді називають нейроноподібними елементами чи формальними нейронами.

Завантажити цю роботу безкоштовно
Пролистати роботу: 1  2  3  4  5 



Дипломна робота на тему: Створення ймовірнісної нейронної мережі PNN (Probabilistic Neural Networks)

BR.com.ua © 1999-2017 | Реклама на сайті | Умови використання | Зворотній зв'язок