Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
https://er.nau.edu.ua/handle/NAU/41920
Название: | Штучна нейронна система з використанням генетичних алгоритмів для її тренування |
Авторы: | Васильченко, Корній Дмитрович |
Ключевые слова: | генетичні алгоритми нейронні мережі навчання нейронних мереж штучний інтелект |
Дата публикации: | 4-янв-2020 |
Издательство: | Національний авіаційний університет |
Краткий осмотр (реферат): | Метa pоботи – покращення способів розробки та тренування нейронних мереж для подальшого їх використання у якості штучного інтелекту.Одними з найважливіших областей досліджень і розробок сучасної кібернетики є області машинного навчання та штучного інтелекту, які широко використовуються для вирішення досить великого спектру задач: від прогнозування і класифікації образів до більш складних таких як системи прийняття рішень. В дипломному проекті досліджується використання звичайних багатошарових нейронних мереж в контексті їх навчання за допомогою генетичних алгоритмів для моделювання поведінки мікроорганізмів в замкнутому середовищі. Такі задачі досить важко вирішувати за допомогою звичайних “не гнучких” алгоритмів, так як вони можуть потребувати коригування параметрів, а бо навіть повної заміни алгоритму в залежності від параметрів моделюмого середовища і тому дана робота ставить за ціль розробити евристичний нейроеволюційний алгоритм для вирішення даного класу проблем моделювання. |
Описание: | Робота публікується згідно наказу ректора від 21.01.2020 р. №008/од "Про перевірку кваліфікаційних робіт на академічний плагіат 2019-2020р.р. навчальному році". Керівник проекту: професор Зіатдінов Юрій Кашафович. |
URI (Унифицированный идентификатор ресурса): | http://er.nau.edu.ua/handle/NAU/41920 |
Располагается в коллекциях: | Кваліфікаційні роботи здобувачів вищої освіти кафедри комп’ютерних інформаційних технологій |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
ФККПІ_2020_122_ВасильченкоКД.pdf | Дипломна робота магістра | 1.84 MB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.