выборка нейронная сеть

Copyright Y 2010 | в решении практических задач

Интересуют ? Вы по адресу!    Желаете для любых плит ? Качественная посуда на сайте "Кулинарного клуба".

Как уже было сказано, нейронная сеть у нас прямого распространения, то есть сеть без обратных связей, и обучается она по . В разделе я показываю нюансы реализации данного метода обучения, привожу пример цикла обучения нейронной сети, реализованного в среде Delphi 7.

Построение обучающей выборки для нейронной сети, обучающейся по методу обратного распространения ошибки, довольно-таки не тривиальная задача. В разделе я рассказываю, как генерируется обучающая выборка, как реализовано численное решение тригонометрической системы уравнений, используемой в процессе построения выборки.

Здесь я рассказываю, как реализована нейронная сеть программы, сколько входов и выходов имеет нейронная сеть, объясняю смысл входного и выходного векторов сети. В разделе привожу так же пример программирования нейронной сети в среде Delphi 7.

В разделе даётся математика движений игроков и шайбы с примерами программирования в OpenGL. Библиотека OpenGL не сложна в освоении и легко встраивается в приложения, разрабатываемые в среде Delphi.

После обучения, с нейронной сетью можно играть в несложную игру. Дальним игроком управляет нейронная сеть, а ближним Вы, посредством клавиш со стрелками. Остановить или перезапустить игру можно при помощи кнопок в окне игры или нажав на пробел. Скачать игру можно . В данный момент есть два варианта игры. В первом варианте нейронная сеть играет с человеком, во втором - между собой играют две нейронные сети.

С теорией нейронных сетей Вы, я думаю, ознакомились, давайте теперь рассмотрим пример, использующий искусственную нейронную сеть. В качестве примера рассмотрим программу, написанную на Delphi 7. Программа разбита на два окна. В первом окне изображено хоккейное поле с двумя игроками, одним из которых управляет нейронная сеть, второе окно предназначено для работы с нейронной сетью: построение сети, построение обучающей выборки, выбор параметров обучения, выбор формы функции активации, обучение нейронной сети, анализ хода обучения, трассировка весов нейронов.

Перспективные приложения

Практика по нейронным сетям