Skip navigation
Please use this identifier to cite or link to this item: http://ela.kpi.ua/handle/123456789/26711
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorЗорін, Юрій Михайлович-
dc.contributor.authorКарвацький, Сергій Сергійович-
dc.date.accessioned2019-03-13T13:18:12Z-
dc.date.available2019-03-13T13:18:12Z-
dc.date.issued2018-12-
dc.identifier.citationКарвацький, С. С. Евристичний метод тренування штучної нейронної мережі : магістерська дис. : 123 Комп’ютерна інженерія / Карвацький Сергій Сергійович. – Київ, 2018. – 87 с.uk
dc.identifier.urihttp://ela.kpi.ua/handle/123456789/26711-
dc.language.isoukuk
dc.subjectметод зворотнього поширення помилкиuk
dc.subjectneuronuk
dc.subjectштучна нейронна мережаuk
dc.subjectметод рою частинокuk
dc.subjectградієнтний спускuk
dc.subjectнейронuk
dc.subjectбагатошаровий перцептронuk
dc.subjectartificial neural networkuk
dc.subjectparticle swarm optimizationuk
dc.subjectgradient descentuk
dc.subjectbackpropagation methoduk
dc.subjectmultilayer perceptronuk
dc.titleЕвристичний метод тренування штучної нейронної мережіuk
dc.typeMaster Thesisuk
dc.format.page87 с.uk
dc.publisher.placeКиївuk
dc.subject.udc004.9uk
dc.description.abstractukАктуальність теми. Штучні нейронні мережі знаходять застосування у наступних сферах: класифікація та розпізнавання образів, системи асоціативної пам‘яті, компресія даних, оптимізаційні задачі, теорія керування, розробка нейрокомп‘ютерів, наближення функцій з високою точністю, екстраполяція та прогнозування. Відомі алгоритми тренування штучної нейронної мережі працюють відносно довго, та результат тренування з їх використанням не завжди задовільний. Тому розробка удосконалених методів тренування є актуальною та перспективною задачею. Запропонований у даній роботі алгоритм дозволяє ефективніше навчати нейронні мережі майже будь-якої структури, отже може бути застосований у вище наведених сферах. Об’єктом дослідження є процес тренування штучної нейронної мережі. Предметом дослідження є евристичні методи для тренування штучної нейронної мережі. Мета роботи: розробка удосконаленого евристичного алгоритму тренування штучної нейронної мережі, що характеризується вищою швидкодією, ніж відомі методи. Наукова новизна: 1. Запропоновано удосконалений алгоритм навчання штучної нейронної мережі мережі, що характеризується вищою швидкодією, ніж відомі методи. 2. Виконано порівняльний аналіз запропонованого методу з існуючими, визначено в яких саме ситуаціях потрібно використовувати даний метод, його переваги та недоліки порівняно з існуючими методами навчання штучної нейронної мережі. Практична цінність отриманих в роботі результатів полягає в тому, що запропонований алгоритм дає змогу ефективніше тренувати штучну нейронну мережу в порівнянні з відомими алгоритмами. Запропонований аглоритм дозволяє отримати приріст в швидкодії тренування штучної нейронної мережі. Апробація роботи. Запропонований підхід був представлений та обговорений на науковій конференції магістрантів та аспірантів ―Прикладна математика та комп‘ютинг‖ ПМК-2018 (Київ, 21 – 23 березня 2018 р.), а також у V Міжнародній науково-технічній конференції «Сучасні методи, інформаційне, програмне татехнічне забезпечення систем керування організаційно-технічними та технологічними комплексами» (Київ, 22-23 листопада 2018 р.). Структура та обсяг роботи. Магістерсь ка дисертація складається з вступу, чотирьох розділів та висновків. У вступі подано загальну характеристику роботи, зроблено оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано на укову новизну отриманих результатів У першому розділі розглянуто існуючі методи тренування штучних нейронних мереж, історію виникнення нейронних мереж, та загальні відомості про них. У другому розділі модифікований евристичний алгоритм, для розв‘язання зад ачі тренування штічної нейронної мережі. У третьому розділі проведено тестування модифікованого алгоритму, та обґрнтовано доцільність модифікацій. У четвертому розділі представлено результати тренування штучної нейронної мережі запропонованим алгоритмом та проведено аналіз отриманих результатів. У висновках підсумовано результати проведеної роботи. Магістерська дисертація представлена на 80 аркушах, містить посилання н а список використаних літературних джерел.uk
dc.description.abstractenActuality of theme. Artificial neural networks are used in the following areas: classification and pattern recognition, associative memory systems, data compression, optimization tasks, control theory, neurocomputer development, high-precision functions approximation, extrapolation and prediction. Known algorithms for training an artificial neural network work relatively long, and the result of training with their use is not always acceptable. Therefore, the development of advanced training methods is an urgent and promising task. The algorithm proposed in this paper allows to effectively teach neural networks of almost any structure, therefore it can be applied in the above mentioned spheres. The object of the study is the process of training an artificial neural network. The subject of the study is heuristic methods for training an artificial neural network. Purpose: the development of an improved heuristic algorithm for training an artificial neural network, characterized by higher speed than the known methods. Scientific novelty: 1. An improved algorithm for training an artificial neural network of the network, characterized by a higher speed than the known methods, is proposed. 2. A comparative analysis of the proposed method with the existing ones is made, it is determined in which situations it is necessary to use this method, its advantages and disadvantages in comparison with the existing methods of training artificial neural network. The practical value of the results obtained in the work is that the proposed algorithm makes it possible to train the artificial neural network more efficiently than known algorithms. The proposed algorithm allows you to get an increase in the speed of training an artificial neural network. Test work. The proposed approach was presented and discussed at the scientific conference of masters and postgraduates "Applied Mathematics and Computer", PMK-2018 (Kiev, March 21-23, 2018), as well as at the V International Scientific and Technical Conference "Modern Methods, Information, software and technical support for control systems for organizational, technical and technological complexes "(Kyiv, November 22-23, 2018). Structure and scope of work. This paper consists of an introduction, four chapters and conclusions. The introduction gives a general description of the work, assesses the current state of the problem, substantiates the relevance of the research direction, formulates the purpose and objectives of the research, shows the scientific novelty of the results obtained The first chapter examines the existing methods of training artificial neural networks, the history of the emergence of neural networks, and general information about them. In the second chapter, a heuristic algorithm is modified to solve the problem of training the artificial neural network. In the third chapter the modified algorithm is tested, and justified the feasibility of modifications. In the fourth section presented the results of the training of the artificial neural network by the proposed algorithm and analyzes the results. In the conclusions the results of the work were summarized. The master's dissertation is presented on 80 sheets, contains the list of used literary sources.uk
Appears in Collections:Магістерські роботи
Магістерські роботи (СПСКС)

Files in This Item:
File Description SizeFormat 
Karvatskyi_magistr.pdf1.93 MBAdobe PDFThumbnail
View/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.