Использование - нейронная сеть
Cтраница 2
Конечно, ассоциативная память может быть реализована и без использования нейронных сетей. Для достаточно с помощью обычного компьютера осуществить последовательное сравнение внешнего стимула со всеми предварительно запомненными образами, выбрав из них тот, для которого Хэммингово расстояние до входного сигнала минимально. Однако, сеть Хопфилда позволяет исключить перебор состояний памяти и осуществить эту процедуру параллельным способом, при котором время выборки из памяти не увеличивается с ростом числа запомненных образов. [16]
Четвертый, пятый и шестой этапы - обучение, тестирование и использование нейронной сети будут выполнены в самом BrainMaker и рассмотрены позднее. [17]
Заметим, что такое значительное уменьшение ложно-положительных реакций является достаточно типичным преимуществом использования нейронных сетей. Эта особенность стимулирует в настоящее время разработку нейросетевых систем диагностики рака молочной железы, для которой ложные диагнозы являются настоящим бичом. [18]
Однако существует ряд проблем обучения слоя Кохонена, от решения которых зависит эффективность использования нейронной сети встречного распространения в целом. [19]
 |
Структурная схема интегрированной АСУ. [20] |
Актуальным в современных ОИУК является сопряжение SCADA с системами речевого ввода команд и вывода сообщений, использование нейронных сетей для анализа телеинформации и прогнозирования. [21]
В заключение сделаем некоторые обобщающие выводы и проанализируем тенденции развития высокопроизводительных и надежных вычислительных средств, обладающих свойством отказоустойчивости, базирующейся на использовании нейронных сетей, алгоритмы функционирования которых представлены в системе остаточных классов. [22]
Ввиду того что носителем информации в волоконно-оптических измерительных сетях является оптическое излучение, целесообразным оказывается организация процесса обработки поступающих от них сигналов с использованием оптических нейронных сетей. Преимущества такого подхода заключаются в исключении промежуточной стадии предварительного преобразования светового сигнала в электрический на стадии обработки, а также использовании оптических элементов и параллельных методов обработки информационных массивов, что значительно повышает быстродействие измерительных систем и хорошо согласуется с концепцией архитектуры построения нейронных сетей. [23]
На рынке коммерческих программных продуктов наряду с аналитическими инструментами нового поколения, основанными на применении логики нечетких множеств - от электронных таблиц ( Fuzy Calc) до экспертных систем ( Cubi Calc) корпорации Hyper Jodie ( США), все больший интерес для финансово-экономической деятельности представляют аналитические информационные технологии, основанные на использовании нейронных сетей. Нейронные сети - обобщенное название групп алгоритмов, которые умеют обучаться на примерах, извлекая скрытые закономерности из потока данных. [24]
 |
Фрагмент нейронной сети. [25] |
Какие преимущества сулит использование нейронных сетей по сравнению с символическими методами. [26]
Первые работы по обучению и распознаванию образов с использованием нейронных сетей ( персептронов) начаты еще в конце 1950 - х годов. [27]
Самонастраивающееся нечеткое управление является очень популярным методом, который успешно применяется в управлении процессами. В дальнейшем самонастраивающееся нечеткое управление значительно расширилось с использованием нейронных сетей. [28]
Кроме того в рассматриваемой модели учитывается один геометрический параметр ( длина или глубина) микроструктурно короткой трещины, инициированной с поверхности, и не учитываются ориентация плоскости трещины и ее кинетика в связи с анизотропией свойств материала. В этой связи представляются перспективными исследования, связанные с моделированием как микроструктуры металлов, так и кинетики роста трещин, а также использование нейронных сетей для статистического моделирования роста коротких усталостных трещин. [29]
 |
Линейная регрессия и реализующий ее однослойный персептрон. [30] |
Страницы: 1 2 3