r">
Висновок В результаті роботи були розглянуті деякі основи теорії штучних нейронних мереж. Був вивчений і реалізований алгоритм навчання персептрона. Розроблено додаток з функціоналом, описаним в розділі В«Постановка завданняВ». Є можливість визначення фігури намальованою користувачем. p align="justify"> Для розвитку програми необхідно додати такі функції як:
В· Масштабування зображення
В· Збільшення кількості фігур для розпізнавання шляхом збільшення нейронів у мережі
В· Розпізнавання літер, цифр сімфолов
Список використаної літератури та джерел
1. Архангельський А.Я., тагином М.А. Програмування в С + + Builder 6 і 2006 Біном-Пресс, 2006.-1182 с.: Іл
. І.Л. Каширіна нейромережевому ТЕХНОЛОГІЇ Навчально-методичний посібник для вузів, 2008-72с.: Ил
. Саймон Хайкін Нейронні мережі: повний курс Друге видання, 2006-1105с.: іл
4. <# "center"> Додаток 1 - Вихідні коди програми
Модуль Unit1.cpp
// ---------------------------------------- -----------------------------------
# include
# include
# include
# include
# pragma hdrstop
# include "Unit1.h"
// ---------------------------------------- -----------------------------------
# pragma package (smart_init)
# pragma resource "*. dfm" * Form1; flag = false; check = false; S; y; g; X [10] [10]; W [10] [10];
// ---------------------------------------- -----------------------------------
__fastcall TForm1 :: TForm1 (TComponent * Owner)
: TForm (Owner)
{
}
{-> Canvas -> Brush -> Color = clWhite; -> DoubleBuffered = true; (int i = 0; i <10; i + +) {(int j = 0; j <10; j + +) {[i] [j] = (rand ()% 7 - 3)/10.0;
// (((-1) * rand ()% 7/10) + (rand ()% 7/10));
}
}
}
{-> Canvas -> Pen -> Color = clBlack; -> Canvas -> Pen-> Width = 5; (flag) Image1 -> Canvas -> LineTo (X, Y);
}