Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Статьи » Розробка програми моделювання нейронної мережі

Реферат Розробка програми моделювання нейронної мережі





исновок поточного шару

*/void ras4etOshibki (Layer preL, double [] realniiResult)

{= new double [koli4estvo];=new double [preL.getVIxodi ()];=preL.getMassivRas4et (); (int i=0; i lt; koli4estvo; i ++)

{= 0; (funkciya == 0)

{(int j=0; j lt; preL.getVIxodi (); j ++)

{= preL.getDeltaW (i, j) * tempArray [j] * (1-tempArray [j]);=sum + temp;

}=realniiResult [i] * (1-realniiResult [i]) * sum;

} (funkciya == 1)

{(int j=0; j lt; preL.getVIxodi (); j ++)

{= preL.getDeltaW (i, j) * (1-tempArray [j] * tempArray [j]);=sum + temp/2;

}=realniiResult [i] * (1-realniiResult [i]) * sum;

} [i]=delta;

}

}

/**

Повертає раніше обчислені значення помилок нейронів шару

@ return масив помилок

*/double [] getMassivOshibok ()

{massivOshibok;

}

/**

Корегує вагові коефіцієнти нейронів шару

@ param double normaObu4 - const норма навчання

@ param double [] resultPreL - результат предидущего шару, при прямому проході

@ param double [] oshibki - помилки нейронів поточного шару

*/void izmenenieVesov (double normaObu4, double [] resultPreL, double [] oshibki)

{(int i=0; i lt; koli4estvo; i ++)

{n=(Neiron) massivNeironov.get (i); (int j=0; j lt;=resultPreL.length; j ++)

{(j!=resultPreL.length)

{(funkciya == 0) temp=oshibki [i] * normaObu4 * resultPreL [j]; (funkciya == 1) temp=0.5 * oshibki [i] * normaObu4 * resultPreL [j] ; .setVesKoef (j, temp);

}

{(funkciya == 0) temp=oshibki [i] * normaObu4 * 1; (funkciya == 1) temp=0.5 * oshibki [i] * normaObu4 * 1; .setVesKoef (j, temp);

}

}

}

} int funkciya; double sum; double delta; double temp; ArrayList massivNeironov; double [] massivRas4et; double [] massivOshibok; double [] tempArray; int input; int output; int koli4estvo;

}

ДОДАТОК В


Лістинг програмного модуля, що описує роботу нейронного елемента

/**

Об'єкт класу Neiron є математичною моделлю біологічного нейрона. Нейрон іеет не менше одного входу і не менше одного виходу. Кожному входу відповідає ваговий коефіцієнт.

Так же нейрон характеризується функцією активності.

*/classNeiron; java.awt. *; javax.swing. *; java.io. *; java.util. *; class Neiron implements Serializable

{

/**

Конструктор класу Neiron

@ param int IN зберігає кількість входів в даний нейрон

@ param int OUT зберігає кількість виходів з даного нейрон

@ param int type зберігає тип нейрона, може бути вхідним, прихованим або вихідним

*/Neiron (int IN, int OUT, String type, int fun)

{= fun;=OUT; (type == in )

{= 1; _koef=new float [vxodi]; (int i=0; i lt; vxodi; i ++)

{_ koef [i]=1.0F;

}

}

{= IN + 1; _koef=new float [vxodi]; (int i=0; i lt; vxodi; i ++)

{= Math.random (); (vk lt;=0.45) {ves_koef [i]=(float) vk;} _ koef [i]=(float) (0.45-vk);

}

}

}

/**

Встановлює нове значення кількості виходів

@ param int out - кількість виходів з даного нейрон

*/void setVIxodi (int out)

{= out;

}

/**

Повертає кількість входів в нейрон

@ return кількість входів

*/int get_vxodi ()

{vxodi;

}

/**

Повертає кількість виходів з нейрон

@ return кількість виходів

*/int get_VIxodi ()

{VIxodi;

}

/**

...


Назад | сторінка 27 з 34 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Double electric layer. Mechanism of formation and theory of structure
  • Реферат на тему: Double Standards in Modern Politics
  • Реферат на тему: Double Entry Types of Balance Sheet
  • Реферат на тему: Нейрон-активаційний метод при розвідці медноколчеданних руд. Безкерновое в ...
  • Реферат на тему: Профілактика та попередження нейрон сенсорної приглухуватості для працівник ...