|
[675 Кб]
|
Программа демонстрирующая как нейронные сети могут аппроксимировать различные математические функции, такие как Sin (Синус), Cos (Косинус) и многие другие. Согласно универсальной теореме аппроксимации, любая нейронная сеть с одним скрытым слоем, может аппроксимировать любую непрерывную функцию многих переменных с любой точностью.
Обучение сети осуществляется методом стохастического градиентного спуска, который реализован в виде алгоритма обратного распространения ошибки. Процесс обучения наглядно отображается на графике в программе. Можно выбирать различные функции активации для нейронов скрытого слоя, подбирать скорость обучения и изменять количество нейронов прямо в процессе обучения. И смотреть в реальном времени как изменение этих параметров влияет на процесс обучения сети.
Так же вы можете купить исходники этой программы. Для Delphi 7 и DelphiXE. Исходники снабжены подробными комментариями. С помощью их, вы сможете понять как обучать нейронные сети, и разберетесь в алгоритме обратного распространения ошибки.
|
Исходники 299 Рублей.
|
Вы можете эти исходники онлайн, т.е. прямо сейчас. Если Вы хотите приобрести их другим способом или у Вас есть какие-либо вопросы, касающиеся этой работы, то можете связаться со мной по email: alex_ey@mail.ru
|