Нейронная сеть

Cтраница 4

Построение нейронных сетей требует значительных затрат труда и времени для получения удовлетворительной модели. Необходимо учитывать, что излишне высокая точность, полученная на обучающей выборке, может обернуться неустойчивостью результатов на тестовой выборке - в этом случае происходит переобучение сети. [46]

Проблематика нейронных сетей, генетических алгоритмов и нечетких систем, и в особенности комбинации этих методов - это одна из наиболее интенсивно развивающихся в настоящее время областей исследований, получившей название ( ( Вычислительные технологии. Ее можно считать современным ответвлением информатики ( Computer Science), связанным с методами искусственного интеллекта ( Artificial Intelligence), хотя и принципиально отличным от классического подхода, применяемого адептами этого направления. [47]

Упрощение нейронной сети проводится до тех пор, пока возможно обучение нейронной сети до нулевой средней оценки. Текущая информация выводится в Окно обучения и упрощения сети. Упрощение может прекратиться, когда уже все синапсы, подлежащие контрастированию или бинаризации, соответственно отконтрастированы или бинаризованы. [48]

Использование нейронной сети ( и одноэлементного нейрона) состоит их трех этапов: обучения, проверки и функционирования. [49]

Достоинством нейронных сетей является то, что такая ситуация не представляет для них проблемы. Кроме того, нейросети нечувствительны к корреляции значений предикторов, в то время как методы оценки параметров регрессионной модели в этом случае часто дают неточные значения. [50]

Прогнозируемые и реальные значения индекса S & P и курса bond. [51]

Аппарат нейронных сетей позволяет не только в дискретном виде получить искомые параметры, но также предоставляет такой удобный сервис, как функциональная зависимость выходного параметра от отдельного входного при условии неизменности остальных, т.е. выявление качественного соотношения между ними. [52]

Эффективность нейронных сетей устанавливается рядом так называемых теорем о полноте. Ранее в нестрогой формулировке была приведена одна из них. Рассмотрим еще одну подобную теорему. [53]

Реализация нейронных сетей в виде оптических систем позволяет решить эту проблему. Взаимное соединение нейронов с помощью световых лучей не требует изоляции между сигнальными путями, световые потоки могут проходить один через другой без взаимного влияния. Более того, сигнальные пути могут быть расположены в трех измерениях. Интегральные цепи являются существенно планарными с некоторой рельефностью, обусловленной множеством слоев. Плотность путей передачи ограничена только размерами источников света, их дивергенцией и размерами детектора. Потенциально эти размеры могут иметь величину в несколько микрон. Наконец, все сигнальные пути могут работать одновременно, тем самым обеспечивая огромный темп передачи данных. В результате система способна обеспечить полный набор связей, работающих со скоростью света. [54]

Приложения нейронных сетей охватывают самые разные области интересов: распознавание образов, обработка зашумленных данных, дополнение образов, ассоциативный поиск, классификация, составление расписаний, оптимизация, прогноз, диагностика, обработка сигналов, абстрагирование, управление процессами, сегментация данных, сжатие информации, сложные отображения, моделирование сложных процессов, машинное зрение, распознавание речи. [55]

Использование нейронных сетей для изучения нелинейных моделей формирования цен акций вносит ясность в вопрос о том, в какой степени недостатки линейных моделей вызваны их неадекватной спецификацией, а в какой - предположением об эффективности рынка. [56]

Применение нейронных сетей в этой задаче показало, что статическая нелинейная система может быть обучена так, чтобы выполнять технический анализ на начальном уровне. Наш подход отличается от других, известных в этой области, тем, что мы не пытаемся оптимизировать входное множество. [57]

Страницы: 1 2 3 4