Распознавание образов с помощью нейронной сети

Распознавание образов с помощью чрезвычайно алгоритма и программной реализации, что функционирование новой разделенной структуры искусственной нейронной сети

Содержание

1. Теоретическая часть

.1 Цель работы

.2 новизна

.3 Мозг и биологический нейрон

.4 Биологический нейрон и нейронные сети

.5 Аналогию между компьютером и человеческим мозгом

.6 Искусственных нейронных сетей

.7 Этапы развития искусственных нейронных сетей

.8 Архитектуры искусственных нейронных сетей

. Проблема классификации данных

.1 Рецепторная структура восприятия информации

.2 Понятие класса

.3 Проблема группировки данных

.4 Геометрический и структурный подходы

.5 Гипотеза компактный

.6 Обучения, самообучения и адаптации

.7 Подготовка данных для обучения

2.7.1 Максимизация энтропии как цель предобработки

.7.2 Нормировка данных

2.8 Алгоритмические построить

.9 Обучения искусственных нейронных сетей

2.9.1 Обучение с учителем

.9.2 Обучение учителей

.9.3 Процесс обучения нейронных сетей

.9.4 Алгоритм секущих плоскостей

2.10 Обучение сети Кохонена

.11 Сотовый автоматически в нейронной сети

2.11.1 Устройства сотовых автомобиль

2.11.2 Клеточная нейронная сеть

3. Классификация данных

.1 Постановка задачи и трудности, связанные с ее реализацией

3.1.1 Выбор топологии сети

3.2 Алгоритм группировки данных

.3 Блок-схема нейронной сети

.4 Создание таблиц и моделей нейронных сетей Кохонена

3.4.1 Рабочий лист &';Образец&';

.4.2 Рабочий лист &';Обучение&';

3.5 Обучение сети

.6 Создание модели таблицы обученной сети

.7 Тестирования сети

.8 Создание, обучение и тестирование сети Кохонена в Matlab

3.8.1 Обоснование выбора среды для создания сети