Artificial Neural Network
Conține anunțuri
10 K+
Descărcări
Toți
info
Despre aplicație
✴Această aplicație din rețeaua neurală artificială va explica subiectele de bază la intermediare
► Subiectul rețelelor neuronale artificiale sa maturizat în mare măsură în ultimii ani. Și mai ales cu apariția computerelor de înaltă performanță, subiectul a avut o semnificație extraordinară și a avut un potențial foarte mare de aplicare în ultimii ani.
►În aplicația Rețea neurală artificială, vom defini ce înseamnă în realitate o rețea neurală. Iar după cum sugerează și numele, de fapt termenul de rețele neuronale derivă din originea creierului uman sau a sistemului nervos uman, care constă dintr-o interconectare paralelă masivă a unui număr mare de neuroni. Și aceasta atinge sarcini diferite, sarcini perceptuale diferite, sarcini de recunoaștere etc. într-o perioadă uimitor de mică. Chiar și în comparație cu calculatoarele de astăzi foarte performante. prin care un calculator poate fi realizat pentru a imita cantitatea mare de interconexiuni și de rețea. Există între toate celulele nervoase, poate fi folosită pentru a face anumite sarcini complexe de procesare în cazul cărora computerele de înaltă performanță de astăzi nu pot face același lucru, acest subiect este cel pe care ne vom adresa.
✴ În tehnologia informației, o rețea neuronală este un sistem hardware și / sau software modelat după operarea neuronilor în creierul uman. Rețelele neuronale - numite și rețele neuronale artificiale - reprezintă o varietate de tehnologii de învățare profundă
►Rețele neuronale artificiale sunt metode de prognoză care se bazează pe modele matematice simple ale creierului. Acestea permit relații neliniare complexe între variabila de răspuns și predictorii săi
►Rețele neuronale artificiale (ANN) sunt modele statistice direct inspirate și parțial modelate de rețele neuronale biologice. Ele sunt capabile să modeleze și să proceseze relații neliniare între intrări și ieșiri în paralel
❰ O rețea neuronală profundă (DNN) este un ANN cu multiple straturi ascunse între straturile de intrare și ieșire. Similar cu ADN-urile superficiale, DNN-urile pot modela relații complexe neliniare. ❱
【Puține subiecte importante sunt listate aici】
⇢ Concepte de bază
⇢ Blocuri de construcție
⇢ Învățarea și adaptarea
Learning Învățarea supravegheată
Learning Învățarea neaservată
⇢ Quantization Vector Learning
The Teoria resonanței adaptive
⇢ Kohonen Caracteristică auto-organizare Harti
⇢ Rețea de memorie asociată
⇢ Rețea neurală artificială - Hopfield Networks
⇢ mașină Boltzmann
Network Rețeaua Brain-State-in-a-Box
⇢ Optimizarea folosind rețeaua Hopfield
⇢ Alte tehnici de optimizare
Rețeaua neuronală artificială - algoritmul genetic
Aplicații ale rețelelor neuronale
⇢ Rețele neuronale Zhang pentru soluția online a inegalităților liniare care variază în timp
⇢ Rețele neurale regulate bayesiene pentru date mici
⇢ Rețele generalizate de regresie neuronală cu aplicație în spectrometrie neutronică
⇢ Rețea neuronală recurentă de timp continuă pentru egalizare și decodare în comun - Aspecte de implementare hardware analogică
⇢ Detectarea directă a semnalului fără asistență la date: o abordare a rețelei funcționale MIMO
Rețeaua neurală artificială ca declanșator FPGA pentru detectarea dușurilor de aer induse de neutroni
⇢ De la sistemul de expertiză fuzzy la rețeaua neuronală artificială: Aplicarea terapiei asistate de vorbire
⇢ Rețele neuronale pentru diagnosticarea turbinelor cu gaz
⇢ Aplicarea rețelelor neuronale (NNs) pentru clasificarea defectelor de tip Fabric
⇢ Predicții de furtună folosind rețele neuronale artificiale
⇢ Analiza impactului materiei particulare în aer asupra contaminării urbane cu ajutorul ⇢ Ajutor al rețelelor hibride neuronale
⇢ Metode avansate în analiza sensibilității pe rețelele neuronale cu aplicațiile lor ⇢ ⇢ ⇢ in în inginerie civilă
Network Rețele neuronale artificiale în prognozarea producției și prognoza randamentului sistemului de fabricare a șeptelului cu semiconductoare ⇢ ⇢ ⇢ ⇢ System
⇢ Modelare inversă pentru optimizarea rețelei neuronale
► Subiectul rețelelor neuronale artificiale sa maturizat în mare măsură în ultimii ani. Și mai ales cu apariția computerelor de înaltă performanță, subiectul a avut o semnificație extraordinară și a avut un potențial foarte mare de aplicare în ultimii ani.
►În aplicația Rețea neurală artificială, vom defini ce înseamnă în realitate o rețea neurală. Iar după cum sugerează și numele, de fapt termenul de rețele neuronale derivă din originea creierului uman sau a sistemului nervos uman, care constă dintr-o interconectare paralelă masivă a unui număr mare de neuroni. Și aceasta atinge sarcini diferite, sarcini perceptuale diferite, sarcini de recunoaștere etc. într-o perioadă uimitor de mică. Chiar și în comparație cu calculatoarele de astăzi foarte performante. prin care un calculator poate fi realizat pentru a imita cantitatea mare de interconexiuni și de rețea. Există între toate celulele nervoase, poate fi folosită pentru a face anumite sarcini complexe de procesare în cazul cărora computerele de înaltă performanță de astăzi nu pot face același lucru, acest subiect este cel pe care ne vom adresa.
✴ În tehnologia informației, o rețea neuronală este un sistem hardware și / sau software modelat după operarea neuronilor în creierul uman. Rețelele neuronale - numite și rețele neuronale artificiale - reprezintă o varietate de tehnologii de învățare profundă
►Rețele neuronale artificiale sunt metode de prognoză care se bazează pe modele matematice simple ale creierului. Acestea permit relații neliniare complexe între variabila de răspuns și predictorii săi
►Rețele neuronale artificiale (ANN) sunt modele statistice direct inspirate și parțial modelate de rețele neuronale biologice. Ele sunt capabile să modeleze și să proceseze relații neliniare între intrări și ieșiri în paralel
❰ O rețea neuronală profundă (DNN) este un ANN cu multiple straturi ascunse între straturile de intrare și ieșire. Similar cu ADN-urile superficiale, DNN-urile pot modela relații complexe neliniare. ❱
【Puține subiecte importante sunt listate aici】
⇢ Concepte de bază
⇢ Blocuri de construcție
⇢ Învățarea și adaptarea
Learning Învățarea supravegheată
Learning Învățarea neaservată
⇢ Quantization Vector Learning
The Teoria resonanței adaptive
⇢ Kohonen Caracteristică auto-organizare Harti
⇢ Rețea de memorie asociată
⇢ Rețea neurală artificială - Hopfield Networks
⇢ mașină Boltzmann
Network Rețeaua Brain-State-in-a-Box
⇢ Optimizarea folosind rețeaua Hopfield
⇢ Alte tehnici de optimizare
Rețeaua neuronală artificială - algoritmul genetic
Aplicații ale rețelelor neuronale
⇢ Rețele neuronale Zhang pentru soluția online a inegalităților liniare care variază în timp
⇢ Rețele neurale regulate bayesiene pentru date mici
⇢ Rețele generalizate de regresie neuronală cu aplicație în spectrometrie neutronică
⇢ Rețea neuronală recurentă de timp continuă pentru egalizare și decodare în comun - Aspecte de implementare hardware analogică
⇢ Detectarea directă a semnalului fără asistență la date: o abordare a rețelei funcționale MIMO
Rețeaua neurală artificială ca declanșator FPGA pentru detectarea dușurilor de aer induse de neutroni
⇢ De la sistemul de expertiză fuzzy la rețeaua neuronală artificială: Aplicarea terapiei asistate de vorbire
⇢ Rețele neuronale pentru diagnosticarea turbinelor cu gaz
⇢ Aplicarea rețelelor neuronale (NNs) pentru clasificarea defectelor de tip Fabric
⇢ Predicții de furtună folosind rețele neuronale artificiale
⇢ Analiza impactului materiei particulare în aer asupra contaminării urbane cu ajutorul ⇢ Ajutor al rețelelor hibride neuronale
⇢ Metode avansate în analiza sensibilității pe rețelele neuronale cu aplicațiile lor ⇢ ⇢ ⇢ in în inginerie civilă
Network Rețele neuronale artificiale în prognozarea producției și prognoza randamentului sistemului de fabricare a șeptelului cu semiconductoare ⇢ ⇢ ⇢ ⇢ System
⇢ Modelare inversă pentru optimizarea rețelei neuronale
Ultima actualizare
Siguranța începe cu înțelegerea modului în care dezvoltatorii colectează și trimit datele tale. Practicile de securitate și confidențialitate a datelor pot varia în funcție de modul de utilizare, de regiune și de vârsta ta. Dezvoltatorul a oferit aceste informații și le poate actualiza în timp.
Aplicația poate trimite terților următoarele tipuri de date
Identificatorii dispozitivului sau de alt tip
Nu au fost colectate date
Află mai multe despre cum declară dezvoltatorii colectarea
Datele sunt criptate în timpul transmiterii
Datele nu pot fi șterse
Noutăți
- More Topics Added
