Российский государственный гуманитарный университет — В бассейне СК МГТУ им. Баумана состоялись соревнования по плаванию 2 этап
Перевод и восстановление в РГГУ
подробнееОлимпиада РГГУ для школьников
подробнееБизнес-школа РГГУ. Программы профессиональной переподготовки
Начало обучения: ноябрь, декабрь 2022
подробнее
Центр помощи #МЫВМЕСТЕ
Помощь членам семей военнослужащих и мобилизованным гражданам,
а также гражданам, испытывающим тревогу подробнее
Программы бакалавриата и специалитета
подробнееПрограммы магистратуры
подробнееПредуниверсарий РГГУ
Открыт набор на подготовительные курсы для поступающих в 10-е классы!
подробнееПодготовительное отделение для иностранных граждан
подробнееАлгоритм прохождения обязательной государственной дактилоскопической регистрации
подробнее100 лет со дня рождения Юрия Кнорозова
подробнееМероприятия, направленные на геополитическое просвещение обучающихся РГГУ
подробнееБезопасность образовательного процесса
подробнееИнститут дополнительного образования РГГУ
приглашает на программы профессиональной переподготовки.
Старт обучения — март 2023 года подробнее
Институт дополнительного образования РГГУ
приглашает на подготовительные курсы к ЕГЭ.
старт обучения — 03 апреля 2023 г. подробнее
Российско-германский учебно-научный центр
Программа дополнительного образования «Германия: язык, история, политика, культура»
подробнееМеждународный учебно-научный центр русского языка
приглашает иностранных граждан
на обучение по программам русского языка подробнее
Психологическая служба РГГУ
Психологическая помощь и бесплатные консультации для сотрудников и студентов
подробнееСпорткомплекс МГТУ им.
Н.Э. Баумана (бассейн)Виды спорта
Бадминтон: юноши (17-18 лет), девушки (17-18 лет), взрослые
Регби: юноши (17-18 лет), девушки (17-18 лет), взрослые
Баскетбол: юноши (17-18 лет), девушки (17-18 лет), взрослые
Скалодромы: юноши (17-18 лет), девушки (17-18 лет), взрослые
Стадионы: юноши (17-18 лет), девушки (17-18 лет), взрослые
Тиры, стрелковые клубы: юноши (17-18 лет), девушки (17-18 лет), взрослые
Аквааэробика: юноши (17-18 лет), девушки (17-18 лет),
Спорткомплексы: мальчики (3-4 года, 5-6 лет, 7-8 лет, 9-10 лет), девочки (5-6 лет, 7-8 лет, 9-10 лет), юноши (11-12 лет, 13-14 лет, 15-16 лет, 17-18 лет), девушки (11-12 лет, 13-14 лет, 15-16 лет, 17-18 лет), взрослые
Бассейны: мальчики (3-4 года, 5-6 лет, 7-8 лет, 9-10 лет), девочки (5-6 лет, 7-8 лет, 9-10 лет), юноши (11-12 лет, 13-14 лет, 15-16 лет, 17-18 лет), девушки (11-12 лет, 13-14 лет, 15-16 лет, 17-18 лет), взрослые
Фитнес-клубы: юноши (17-18 лет), девушки (17-18 лет), взрослые
Тренажерные залы: юноши (17-18 лет), девушки (17-18 лет), взрослые
Альпинизм: юноши (17-18 лет), девушки (17-18 лет) , взрослые
Волейбол: юноши (17-18 лет), девушки (17-18 лет), взрослые
Гимнастика спортивная: юноши (17-18 лет), девушки (17-18 лет), взрослые
Дартс: юноши (17-18 лет), девушки (17-18 лет), взрослые
Легкая атлетика: юноши (17-18 лет), девушки (17-18 лет), взрослые
Мини-футбол: юноши (17-18 лет), девушки (17-18 лет), взрослые
Настольный теннис: юноши (17-18 лет), девушки (17-18 лет), взрослые
ОФП: юноши (17-18 лет), девушки (17-18 лет), взрослые
Плавание: мальчики (3-4 года, 5-6 лет, 7-8 лет, 9-10 лет)
Пулевая стрельба: юноши (17-18 лет), девушки (17-18 лет), взрослые
Скалолазание: юноши (17-18 лет), девушки (17-18 лет), взрослые
Теннис: юноши (17-18 лет), девушки (17-18 лет), взрослые
Тяжелая атлетика: юноши (17-18 лет), девушки (17-18 лет), взрослые
Футбол: юноши (17-18 лет), девушки (17-18 лет), взрослые
Бокс: юноши (17-18 лет) , девушки (17-18 лет), взрослые
Единоборства: юноши (17-18 лет), девушки (17-18 лет), взрослые
Информация о стоимости услуг и расписании занятий взята из официальных источников клуба (сайт и/или социальные сети), актуальна на 24. 02.2020, носит ознакомительный характер и не является публичной офертой.
Блюменштейн В.Ю. и др. др. 2018 Том. 20 № 2
ОБРАБОТКАМЕТАЛЛОВ Том. 20 № 2 2018 85 МАТЕРИАЛОВЕДЕНИЕ 4. Зуев Л.Б., Горбатенко В.В. О деятельности деформирующей среды. Материалы конференции AIP, 2016, том. 1783, с. 020238. DOI: 10.1063/1.4966532. 5. Орлова Д.В., Баранникова С.А., Зуев Л.Б. О кинетике локализованных областей пластичности, возникающих на предразрушительной стадии процесса деформирования. Материалы конференции AIP, 2016, том. 1783, с. 020168. doi: 10.1063/1.4966461. 6. Егорушкин В.Е., Панин В.Е., Панин А.В. Влияние многомасштабного локализованного пластического течения на характер напряженно-деформированного состояния. Физическая мезомеханика, 2015, т. 1, с. 18, вып. 1, стр. 8–12. дои: 10.1134/S1029959915010026. 7. Панин В.Е., Егорушкин В.Е. Фундаментальная роль локальной кривизны кристаллической структуры при пластической деформации и разрушении твердых тел.
Сделано с помощью FlippingBook
RkJQdWJsaXNoZXIy MTk0ODM1
Исследование и разработка методов настройки количества нейронов в скрытом слое полносвязной нейронной сети
350 руб.
Журнал Нейрокомпьютер №3 за 2017 г.
Номер статьи:
Исследование и разработка методов регулирования количества нейронов в скрытом слое полносвязной нейронной сети
Ключевые слова: полносвязная нейронная сеть персептрон нейроны скрытого слоя обучающие выборки методы определения количества нейронов обрезка и конструктивные сетевые алгоритмы Каскадная корреляционная сеть Фалмана дополнительное обучение расщепление нейронов
Авторы:
В. И. Терехов — кандидат технических наук. наук, доцент, кафедра — Системы обработки информации и управления?, МГТУ им. Баумана Электронная почта: [email protected] Черненький И.М. — аспирант, кафедра — Системы обработки информации и управления?, МГТУ им. Баумана Электронная почта: [email protected] С.В. Минакова — магистр, кафедра — Системы обработки информации и управления?, МГТУ им. Баумана Электронная почта: [email protected]
Abstract:
Статья посвящена исследованию и разработке методов определения количества нейронов и связей в скрытом слое полносвязной нейронной сети (персептрона), используемой в глубоких нейронных сетях в качестве классификатора. Целью данной статьи является рассмотрение методов настройки количества нейронов в однослойной сети персептрона при ее обучении, которые можно использовать как инструмент для ускорения процесса обучения нейронной сети и выбора оптимального количества нейронов в ней. его скрытый слой. В первой части статьи рассматриваются эвристические правила определения количества нейронов в скрытых слоях полносвязной нейронной сети и методы их коррекции в процессе обучения. Он также предполагает теоретическое сравнение этих методов и правил, а также анализ их преимуществ и недостатков. Во второй части статьи описывается предложенный автором способ добавления нейронов в скрытый слой сети персептрона при ее обучении. Этот метод основан на каскадном корреляционном алгоритме Фалмана и трюке под названием «Пробежка весов». Также приведены предыстория развития этого метода и обоснование его применимости к персептрону с одним скрытым слоем. Затем были выполнены аналитические расчеты, отражающие достоинства и недостатки метода и предложена его модификация с учетом выявленных в аналитических расчетах недостатков. В экспериментальной части статьи метод и его модификация сравнивались с методом обучения сети без добавления нейронов по точности классификации на тестовом наборе, скорости обучения и оптимальному количеству нейронов в скрытом слое сети. нейронная сеть. В аннотации статьи приводятся выводы, из которых следует, что методы добавления нейронов и связей в однослойную персептронную сеть при ее обучении могут быть использованы как инструмент ускорения обучения нейронной сети и подбора оптимального количества нейронов в ее скрытый слой.
Страницы: 52-62
Литература
- Осовский С. Нейронные сети для обработки информации: пер. с польск. ИДЕНТИФИКАТОР. Рудинского. М.: Библио-Глобус. 2016.
- Хаш Д., Кхорн Б. Прогресс в управляемых небесных сетях // Обработка сигналов. 1993. С. 8-39.
- Хехт-Нильсен. Отображение теории Колмогорова в терминах искусственных небесных сетей // Докл. на Междунар. конф. по нежронным сетям. Сан Диего. 1987. Вып. 3. С. 11-13.
- Пупков К.А., Коньков В.Г. Интеллектуальные системы. Исследование и создание. М.: МГТУ им. Н. Э. Х. Баумана. 2003.
- Макаров И.М., Лохин В.М., Манько С.В. Искусственный интеллект и интеллектуальные системы управления. Отделение информационных технологий и вычислительных систем РАН. М.: Наука. 2006. С. 30-31.
- Круглов В.В., г. Борисов В.В. Искусственные нейронные сети. Теория и практика. изд. 2-е. М.: Горячая линия-Телеком. 2002.
- ЛеКун Я.А., Денкер Дж. , Солла С. Оптимальное прореживание нейронных сетей // Достижения в НИПС2 // Под ред. Д. Турецкого. 1990. С. 598-605.
- Миркес Е.М. Нейрокомпьютер. Проект стандарта. Новосибирск: Наука. Сибирская издательская фирма РАН. 1999. 337 с.
- Герц А., Андерс С.К., Ричард Г.П. Введение в теорию ближайших вычислений. Т.2. Пресса Уэхству. 1995.
- Ли К., Тифтс Д. Синтез нейронных сетей последующим добавлением скрытых моделей // докл. на международной конференции по ключевым сетям. Орландо. 1994.
- Андерсон, Джеймс А. Дискретная математика и комбинаторика. М.: Издательский дом «Вильямс». 2004. 960 с.
- Фалман С.Э., Лебер С. Архитектура сети каскадной корреляции // Достижения в НИПС2 // Под ред. Д. Турецкого. 1990. С. 524-532.
- Фалман С.Э. Методы ускорение обучения на обратном распространении ошибок: эмпирическое исследование // Под красный. Моргана Кауфмана. Лос-Альтос. США. 1998. С. 38-51.
- Климаускас Г.