Введение, Разработка алгоритма - Исследование метода обратного распространения ошибки для обучения нейронной сети

В данной курсовой работе необходимо разработать алгоритм и программу на языке С# вычислительного процесса (двухслойная нейросеть).

В наши дни возрастает необходимость в системах, которые способны не только выполнять однажды запрограммированную последовательность действий над заранее определенными данными, но и способны сами анализировать вновь поступающую информацию, находить в ней закономерности, производить прогнозирование и т. д. В этой области приложений самым лучшим образом зарекомендовали себя так называемые нейронные сети - самообучающиеся системы, имитирующие деятельность человеческого мозга.

Целью данной работы является исследование параметров обучения нейросети методом обратного распространения ошибки. А так же закрепление практических навыков программирования на С#. Процесс подготовки предусматривает самостоятельное изучение нового материала и закрепление его с помощью практического задания.

Разработка алгоритма

Для дальнейшей работы необходимо построить следующие алгоритмы: алгоритм работы программы в целом, алгоритм обучения нейросети.

Математический алгоритм

Нормальное распределение.

Центрамльные предемльные теореммы -- класс теорем в теории вероятностей, утверждающих, что сумма достаточно большого количества слабо зависимых случайных величин, имеющих примерно одинаковые масштабы (ни одно из слагаемых не доминирует, не вносит в сумму определяющего вклада), имеет распределение, близкое к нормальному.

Так как многие случайные величины в приложениях формируются под влиянием нескольких слабо зависимых случайных факторов, их распределение считают нормальным. При этом должно соблюдаться условие, что ни один из факторов не является доминирующим. Центральные предельные теоремы в этих случаях обосновывают применение нормального распределения.

Пусть есть бесконечная последовательность независимых одинаково распределенных случайных величин, имеющих конечное математическое ожиданием и дисперсию. Обозначим последние м и у2, соответственно.

Пусть

(1)

Тогда

По распределению при,(2)

Где N(0,1) -- нормальное распределение с нулевым математическим ожиданием и стандартным отклонением, равным единице. Обозначив символом выборочное среднее первых n величин, то есть

(3),

Мы можем переписать результат центральной предельной теоремы в следующем виде:

По распределению при. (4)

Используя вышеприведенные формулы, формируем 4 класса чисел с нормальным распределением: 1 класс - м=0; 2 класс - м=5; 3 класс - м=2,5; 4 класс - м=10.

Похожие статьи




Введение, Разработка алгоритма - Исследование метода обратного распространения ошибки для обучения нейронной сети

Предыдущая | Следующая