DevioLabавтоматичне керування капіталом
ПРАЦЮЄ 24/7
КРИПТОВАЛЮТИ · АКЦІЇ · 10 БІРЖ

Портфель, який керується автоматично

DevioLab підбирає стратегії, відстежує ринки та автоматизує купівлю і продаж активів. Кількість доступних криптовалют, акцій і торгових можливостей зростає щодня.

10підключених біржCrypto + Stocksв одному портфелі24/7автоматичний контроль

Звіт про виконання лабораторної роботи № 2 з курсу «Організація інтелектуальних обчислень» на тему: «Розв’язання задачі класифікації за допомогою навчальної програми BackPack Neural Network System»

Оригінальна назва роботи

Розв’язання задачі класифікації за допомогою навчальної програми BackPack Neural Network System

Інформація про навчальний заклад

ВУЗ:
Національний університет Львівська політехніка
Інститут:
Інститут комп’ютерних наук та інформаційних технологій
Факультет:
Комп’ютерні науки
Кафедра:
Кафедра електронних обчислювальних машин

Інформація про роботу

Рік:
2006
Тип роботи:
Звіт про виконання лабораторної роботи
Предмет:
Організація інтелектуальних обчислень
Група:
КІ-44
Коротко про документ

Про що ця робота

У звіті досліджено розв'язання задачі класифікації з використанням програми BackPack Neural Network System. Наведено етапи підготовки набору даних, навчання нейронної мережі та аналізу результатів.

У роботі розглядаються

  • Нейронні мережі
  • Задача класифікації
  • BackPack Neural Network System
  • Інтелектуальні обчислення
  • Аналіз даних

Зміст і розділи

  1. Мета роботи
  2. Теоретична частина
  3. Виконання роботи
  4. Висновки
Для кого:Студенти технічних спеціальностей, викладачі та дослідники у галузі штучного інтелекту.
Викладачі:Викладач кафедри

Ключові поняття

нейронна мережакласифікаціянавчальна програманабір данихнавчання мережіконтрольвхідні даніфункція

Частина тексту файла (без зображень, графіків і формул):

Міністерство освіти і науки України Національний університет „Львівська політехніка” Кафедра електронних обчислювальних машин Звіт про виконання лабораторної роботи № 2 з курсу „ Організація інтелектуальних обчислень ” Тема: Розв’язання задачі класифікації за допомогою навчальної програми BackPack Neural Network System™ Мета роботи: Ознайомитися з роботою програми BackPack Neural Network System™ для розв’язання задачі класифікації та для навчання мережі передбачення неперервної функції. Теоретична частина Програма BackPack Neural Network System™ була розроблена як універсальна нейронна мережа проектування навколишнього середовища для користувачів, зацікавлених у використанні нейронних мереж при рішенні реальних задач. Система розроблена для інтегрування найбільш загальних задач з розробкою індивідуального проекту нейронної мережі: доступу до даних і попередньої обробки, проектування нейронної мережі і навчання, оцінювання отриманих результатів. Виконання роботи В даній роботі розглядаєть задача класифікації квіток Iris за чотирма розмірами у три категорії. Ми представили типи Iris у полі CAT числовою величиною 1, 2 чи 3. Файл містить три додаткових поля: OUT_1, OUT_2 і OUT_3. OUT_1 має величину 1, коли значення Iris у полі CAT - 1. У протилежному випадку 0. Аналогічно, OUT_2 дорівнює 1, якщо в полі CAT - 2, і OUT_3 дорівнює 1, якщо CAT = 3.  Розробляємо набори даних        Далі необхідно провести навчання мережі           Тепер застосуємо розроблену модель для набору даних      З останнього вікна видно, що нейронна мережа навчена добре, тобто правильно провела класифікацію об’єктів із множини значень відведених для контролю за вхідними значеннями у всі три класи. Висновки: виконуючи дану лабораторну роботу я досліджував роботу нейронних мереж за допомогою програми BackPack Neural Network System™. Ми розглядали задачу класифікації за допомогою мережі передбачення неперервної функції. Для того, щоб добитись найкращих результатів треба оптимально поділити вхідні дані на навчальну та тестову множини
Допоможи студентському архіву

Ми допомогли тобі — допоможи наступному студенту

Файл ще не обрано

Оголошення від адміністратора

Антиботан аватар за замовчуванням

Подякувати Студентському архіву довільною сумою

Admin

26.02.2023 12:38

Дякуємо, що користуєтесь нашим архівом!