Реферат Моделювання динаміки яркостной температури землі методом інваріантного занурення і нейронних мереж

-

212

0,516

2,500

28,852

Пісок

0,32057

1,00

17,656

-

199

225

0,831

0,500

19,656

0,27286

2,00

14,204

-

202

226

0,503

4,500

12,204

0,31829

3,00

17,483

-

207

224

0,038

3,000

19,483

0,24457

1,00

12,333

214

210

231

0,225

1,500

10,333

0,08486

2,00

4,249

220

223

235

0,105

1,750

2,249

0,17657

1,00

8,377

214

210

231

0,157

0,500

10,377

0,17371

2,00

8,228

220

223

235

0,174

2,000

7,228

0,19

3,00

9,098

216

203

219

0,210

3,500

7,098

0,09714

1,00

4,721

230

216

240

0,107

1,250

4,721

0,12057

2,00

5,692

224

221

240

0,131

2,750

7,692

0,11571

3,00

5,483

208

239

245

0,086

3,500

6,483

0,39314

1,00

23,628

204

-

241

0,793

3,250

15,628

3.5 Отримані результати

У процесі навчання ІНС формує деякий приховане, неявне знання про спосіб вирішення поставленого завдання, яке закладено у вигляді значень ваг її адаптивних параметрів. Якщо потрібно лише отримання результату, який задовольняє вимогам поставленого завдання, сама ІНС і є кінцевим рішенням завдання.

Таблиця 7. Похибка визначення даних методом нейронних мереж різних моделей

Похибка в отриманні результатів

НС, створена методом автоматичного підбору параметрів