Neuronové sítě.

Slides:



Advertisements
Podobné prezentace
Počítačová skříň Základní deska Procesor Operační paměť Zdroj napětí
Advertisements

Ostatní vnitřní komponenty
SMS brána Eurotel Jednoduché OCR pomocí neuronových sítí Marek Kukačka
Hledání začátků exonů v DNA Klára Pešková, Michal Bída.
Neuronové sítě Marcel Jiřina.
Automatická fonetická segmentace pomocí UNS Registr - 36 neuronových sítí MLNN (pro každou českou hlásku jedna UNS) Trénovací množina: databáze promluv.
Topologie neuronových sítí (struktura, geometrie, architektura)
Umělé neuronové sítě z pohledu rozpoznávání
SSC - cvičení 7 Aplikace programového systému Speech Laboratory - SL Postup: 1.Zkopírovat z adresy
LVQ – Learning Vector Quantization
SSC - cvičení 3 MATLAB - BPG algoritmus 1.Vytvořit tréninková data 2.Vytvořit objekt sítě 3.Natrénovat síť 4.Simulace Funkce pro učení: learngd … základní.
Martin Holý.  Druhá světová válka  První generace (1945 – 1951)  Elektronky, relé = drahé, pomalé  Druhá generace ( )  Tranzistory = zmenšování.
Jiří Gazárek, Martin Havlíček Analýza nezávislých komponent (ICA) v datech fMRI, a ICA necitlivá ke zpoždění.
NERVOVÁ SOUSTAVA I. VY_32_INOVACE_E2-17 AUTOR: Mgr. Iveta Bartošová
DOK „Umělá inteligence“ v DOK (i jinde). NEURONOVÉ SÍTĚ.
Třídění PA. Kompaktní PA (KPA) -menší - měly původně pevně danou konfiguraci integrovaných modulů a byly uzavřeny v jednom pouzdře. -Pouzdro se montuje.
Využití umělých neuronových sítí k urychlení evolučních algoritmů
Neuronové sítě Jakub Krátký.
Vícevrstvé neuronové sítě.  Neuronové sítě jsou složeny z neuronů tak, že výstup jednoho neuronu je vstupem jednoho nebo více neuronů  Propojení neuronů.
Algoritmizace.
Neuronové sítě Martin Vavřička Copyright 2004 © Martin Vavřička 2004 – V 53 ČVUT v Praze – fakulta Stavební.
Obchodní akademie, Ostrava-Poruba, příspěvková organizace Vzdělávací materiál/DUM VY_32_INOVACE_02A13 Autor Ing. Jiří Kalousek Období vytvoření duben 2014.
4. Neuron.
Co vše nám může tvořit počítačovou sestavu
SOUSTAVA NERVOVÁ Řídí činnost lidského těla
Elektronické měřicí přístroje
Obchodní akademie, Náchod, Denisovo nábřeží 673
NEURONOVÉ SÍTĚ (c) Tralvex Yeap. All Rights Reserved.
Neuronové sítě na grafických akcelerátorech Ondřej Zicha, Jiří Formánek.
Inovace bez legrace CZ.1.07/1.1.12/
Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou I NFORMAČNÍ A KOMUNIKAČNÍ TECHNOLOGIE Ing. Jan Roubíček.
Hopfieldova asociativní paměť. Topologie sítě 1 vrstva zároveň vstupní i výstupní mezi neurony existují všechny spoje (kromě smyček)
Dokumentace informačního systému
Nervová soustava Olga Bürgerová.
Neuronové sítě Jiří Iša
Klasifikace klasifikace: matematická metoda, kdy vstupní objekty X(i) jsou rozřazovány do tříd podle podobnosti metody klasifikace bez učitele: podoba.
Jan Šaršon Milan Jaška 1Dobývání znalostí, MFF UK, 2008.
Srovnání Petriho sítí a HDA David Ježek. Vícedimensionální automaty Klasické automaty –nemají metodu jak vyjádřit „pravou“ souběžnost událostí A, B 0.
Orbis pictus 21. století Tato prezentace byla vytvořena v rámci projektu.
Stavba a funkční třídění svalové a nervové tkáně
CZ.1.07/1.4.00/ VY_32_INOVACE_152_IT7 Výukový materiál zpracovaný v rámci projektu Vzdělávací oblast: Informační a komunikační technologie Předmět:Informatika.
NERVOVÁ SOUSTAVA SZŠ A VOŠZ PŘÍBRAM.
Paralelní algoritmy ve zpracování dat Bc. Jan Hofta Výzkumný úkol:
Nature Inspired Technologies Group Bloková schemata tří základních podsystémů informačního systému mozku.
Digitální výukový materiál zpracovaný v rámci projektu „EU peníze školám“ Projekt:CZ.1.07/1.5.00/ „SŠHL Frýdlant.moderní školy“ Škola:Střední škola.
Výrok „Vypadá to, že jsme narazili na hranici toho, čeho je možné dosáhnout s počítačovými technologiemi. Člověk by si ale měl dávat pozor na takováto.
Stavba kůže. Stavba kůže Nervová soustava CNS umožňuje velmi rychlé reakce organizmu na rozmanité podněty zevního i vnitřního prostředí. Podněty-
W i ref (t+1) = W i ref (t) + h ci (t) [X(t) - W i ref (t)], i Nc h ci (t) 0, t  proces konverguje Algoritmy a struktury neuropočítačů ASN – P3 SOM algoritmus.
Univerzita třetího věku kurz Znalci Hardware 1.
Přídavné karty Grafické karty Zvukové karty Síťové karty Modemy.
ALTERA Stratix – LE až 7427 Kbitů RAM tři bloky RAM pamětí rychlé DSP bloky až 12 PLL (4+8 rychlých) až 16 globálních hodin a 22 zdrojů podpora.
MorČe morfologické značkování češtiny
Algoritmy a struktury neuropočítačů ASN - P14 Hopfieldovy sítě Asociativní paměti rekonstrukce původních nezkreslených vzorů předkládají se neúplné nebo.
Dita Matesová, David Lehký, Zbyněk Keršner
Univerzita třetího věku kurz ECDL
Popis mikroprocesoru.
3. Stavební elementy nervové soustavy.
Cenová mapa podnájmů v Praze Ondřej Kmoch Tomáš Kohan
Neuronové sítě. Vývoj NS 1943 – W. McCulloch, W. Pittse – první jednoduchý matematický model neuronu 1951 – M. Minsky - první neuropočítač Snark 1957.
Neuronové sítě.
Škola ZŠ Masarykova, Masarykova 291, Valašské Meziříčí Autor
Číslo projektu OP VK Název projektu Moderní škola Název školy
Číslicová technika.
Operační pamět počítače-RAM
ZÁKLADNÍ ŠKOLA, JIČÍN, HUSOVA 170 Číslo projektu
Neuronové sítě.
Číslo projektu CZ.1.07/1.4.00/ Název sady materiálů
Základná schéma počítača
Anotace Prezentace slouží k úvodní hodině do tématického celku: nervová soustava Je určena pro žáky 8. ročníku ZŠ.
Základní škola, Hradec Králové
Transkript prezentace:

Neuronové sítě

Biologická motivace neuron

Lidský mozek Lidský mozek obsahuje asi 1011 neuronů. Buněčné jádro (soma) má velikost jen 1 až 3 mm. Délka dendritu bývá 1 až 3 mm. Bývá jich 100 až 10000. Délka axonů bývá i delší než 1 m. Mozek spotřebovává 2030 % energie těla, i když představuje jen asi 2 % váhy.

Neuron Snímek neuronu v elektronovém mikroskopu

Srovnání počítač x mozek Lidský mozek Výpočetní jednotka 1 CPU 1011 buněk Paměť 109 bitů RAM, 1011 bitů na disku 1011 neuronů, 1014 synapsí Délka cyklu 10-8 sekundy 10-3 sekundy Šířka pásma 109 bitů za sekundu 1014 bitů za sekundu Rychlost obnovy 109 výpočetních elementů 1014 neuronů za sekundu

Formální neuron

Matematický popis

Přenosová funkce skoková

Přenosová funkce sigmoidní

Topologie sítě I1 O7 I2

Vrstvené sítě Vrstvená síť typu m – k1 – k2 – ... – kr – n se vstupní vrstvou dimenze m s výstupní vrstvou dimenze n s r skrytými vrstvami. Příklad: síť 4-6-6-6-3

Neuronová síť je určena Topologií Váhami synapsí Prahem neuronů Přenosovou funkcí

Proces učení neuronových sítí Pro učení (trénování NS) je třeba mít dostatek reprezentativních příkladů Trénovací, výběrová, testovací množina Na začátku učení bývají váhy nejčastěji nastaveny na náhodná čísla Proces učení se snaží minimalizovat odchylku (chybu) mezi skutečným (aktuálním) a požadovaným výstupem Každá neuronová síť má jiný algoritmus učení, vesměs jsou to ale iterační procesy