LOGIN TO YOUR ACCOUNT

Username
Password
Remember Me
Or use your Academic/Social account:

CREATE AN ACCOUNT

Or use your Academic/Social account:

Congratulations!

You have just completed your registration at OpenAire.

Before you can login to the site, you will need to activate your account. An e-mail will be sent to you with the proper instructions.

Important!

Please note that this site is currently undergoing Beta testing.
Any new content you create is not guaranteed to be present to the final version of the site upon release.

Thank you for your patience,
OpenAire Dev Team.

Close This Message

CREATE AN ACCOUNT

Name:
Username:
Password:
Verify Password:
E-mail:
Verify E-mail:
*All Fields Are Required.
Please Verify You Are Human:
fbtwitterlinkedinvimeoflicker grey 14rssslideshare1
Publisher: Национальный Авиационный Университет
Languages: English
Types: Unknown
Subjects: Neural networks; learning; gradient; Levenberg–Marquardt method; synthetic image, UDC 004.93'12, нейронные сети; обучение; градиентный подход; алгоритм Левенберга–Марквардта; синтетическое изображение, нейронні мережі; навчання; градієнтний підхід; алгоритм Левенберга–Марквардта; синтетичне зображення
The process of neural networks modeling for pattern recognized problem of printed charactersconsidered in this paper. Learning for pattern recognition preparing for a limited set of synthetic characters.It assumes the two-layer neural network training. The convergence of three learning algorithms isstudied. They are packet-based adjustment of weights and biases, the gradient, the algorithm based on thecomputation of the Jacobian function weights. The article provides recommendations for the installation ofthe initial parameters for a set of tools Neural Networks Toolbox software Matlab. Experimental results fordifferent settings customer networks given that confirms these propositions Рассмотрен процесс моделирования нейронных сетей для задачи распознавания буквенных символов. Обучение распознаванию проводится на ограниченном наборе синтетических символов. Для этого предполагается нейронная сеть, состоящая из двух слоёв, один их них скрытый, второй выходной. Изучена сходимость трёх алгоритмов обучения: алгоритм пакетной корректировки весов и смещений, градиентный и алгоритм, основанный навычислении матрицы Якоби функций весов. Предложены рекомендации по установке начальных параметров внаборе инструментов Neural Networks Toolbox программного обеспечения Matlab для решения этой задачи.Экспериментальные результаты подтверждают выдвинутые предположения Розглянуто процес моделювання нейронних мереж для задачі розпізнавання буквених символів. Навчання розпізнаванню проводиться на обмеженому наборі синтетичних символів. Для цього передбачається нейроннамережа, що складається з двох шарів, один їх них прихований, другий вихідний. Вивчено збіжність трьох алгоритмів навчання: алгоритм пакетного коригування ваг і зміщень, градієнтний і алгоритм, заснований на обчисленні матриці Якобі функцій ваг. Надано рекомендації з установки початкових параметрів для набору інструментів нейронної мережі Neural Networks Toolbox програмного забезпечення Matlab для вирішення цього завдання. Експериментальні результати підтверджують висунуті припущення
  • No references.
  • No related research data.
  • No similar publications.