книга

Предметно ориентированные информационные системы : лабораторный практикум

Здесь можно купить книгу "Предметно ориентированные информационные системы : лабораторный практикум" в печатном или электронном виде. Также, Вы можете прочесть аннотацию, цитаты и содержание, ознакомиться и оставить отзывы (комментарии) об этой книге.

Форматы: PDF

Издательство: Северо-Кавказский Федеральный университет (СКФУ)

Год: 2017

Место издания: Ставрополь

Страниц: 188

Артикул: 73266

Возрастная маркировка: 16+

Электронная книга

376 ₽

Купить и скачать

Читать фрагмент

Аннотация

Краткая аннотация книги "Предметно ориентированные информационные системы"

Практикум составлен в соответствии с требованиями ФГОС ВО, призван способствовать приобретению умений и навыков проводить обследование организаций, выявлять информационные потребности пользователей, формировать требования к информационной системе.
Предназначен для студентов, обучающихся по специальности 09.03.03 «Прикладная информатика», а также может быть полезен специалистам, интересующимся вопросами теории нейронных сетей.

Содержание

Содержание книги "Предметно ориентированные информационные системы : лабораторный практикум"

ПРЕДИСЛОВИЕ
Указания по технике безопасности
1. Построение простейшей нейронной сети, отражающей частные реакции животных на внешние воздействия
2. Общее знакомство со средой Matlab и созданием в ней искусственных нейронных сетей
3. Создание простейшей нейронной сети с помощью NNTOOL
4. Создание и обучение нейронной сети на языке высокого уровня среды Matlab
5. Пример создания и обучения нейронных сетей для задач классификации в среде Matlab. Часть 1
6. Пример создания и обучения нейронных сетей для задач классификации в среде Matlab. Часть 2
7. Пример создания и обучения нейронных сетей для задач регрессии в среде Matlab
Приложение 1
Приложение 2
Приложение 3

Отзывы

Все отзывы о книге Предметно ориентированные информационные системы : лабораторный практикум

Чтобы оставить отзыв, зарегистрируйтесь или войдите

Отрывок из книги Предметно ориентированные информационные системы : лабораторный практикум

Лабораторная работа 4 % Вычисляем выход нелинейной части нейрона neuronoutput = feval(func, activation_potential); % Задаём входной вектор для диапазона от -10 до +10 с шагом 0.25 [pi, р2] = meshgrid(-10:.25:10); % Вычисляем вектор выхода нейрона z = feval(func, [pl(:) p2(:)]*w'+b); % Пересчёт вещественных чисел в воксели для SD-графика z = reshape(z, length(pl), length(p2)); % Строим график plot3(pl, р2, z); % Включаем сетку grid on; % Подписываем оси графика xlabel('Input 1'); ylabel('Input 2'); zlabel('Neuron output'); Разберём код. Команда close all закрывает все вспомогательные окна, которые могли быть открыты (окна различных мастеров, вроде nntool, не закрываются). Clear all удаляет все переменные из области workspace, clc - очищает область окна Command window, где будет набираться код. Format compact устанавливает формат отображения для чисел: так, для вещественных числе будет отображаться 4 точки после запятой. Веса задаются обычным вектором w = [4 -2], как видно, значения отделяются друг от друга пробелом, указывать тип не обязательно. Функция активации задаётся строкой 'tansig'. Далее идёт вычисление взвешенной суммы: скалярное произведение входа на веса и прибавка смещения. Векторы р и w нельзя просто так взять и перемножить, т. к. по правилам линейной алгебры один из них должен быть транспонирован, что и делается с вектором w с помощью w ' . Можно посмотреть значение переменной, оно должно быть - 1 . Далее вычисляем функцию активации при входе, равном -1. Делаем это через fevalO- Как понятно из названия, функция вычисляет значение некоторой функции (первый параметр) от вектора входов (второй параметр). Причём, как и многие другие фунции Matlab, она перегру--51 -

С книгой "Предметно ориентированные информационные системы" читают