Retele Neuronale Recurente

Cuprins disertatie Cum descarc?

PREZENTARE LUCRARE 
CAPITOLUL I: INTRODUCERE IN CALCULUL INTELIGENT 
1.1. Specificul calculului neuronal 
1.2. Motivatia biologica 
1.3. Structura unei retele neuronale artificiale 
1.4. Ce pot si ce nu pot face retelele neuronale 
1.5 Clase de probleme ce pot fi rezolvate cu retele neuronale 
1.6. Calculul neuronal in comparatie cu calculul clasic 
1.7. Retelele neuronale in comparatie cu sistemele expert 
1.8. Motivatii pentru studiul retelelor neuronale 
1.9. Scurt istoric 
CAPITOLUL II: RETELE NEURONALE RECURENTE 
2.1. Concepte fundamenale 
2.2. Retele neuronale feedback monostrat 
2.2.1 Fundamentele matematiceale 
retelelor hopfield cu timp discret 
2.2.2. Fundamentele matematice ale 
retelelor hopfield cu timp continuu 
2.2.3. Exemplu de retea hopfield cu timp 
discret 
2.2.4. Exemplu de retea de tip gradient 
2.3. Memorii asociative 
2.3.1 Concepte de baza 
2.3.2. Asociatori liniari 
2.3.3. Concepte de baza ale memoriilor autoasociative 
recurente 
2.3.4. Consideratii asupra modului de functionare 
2.3.5. Analiza performantei memoriilor autoasociative 
recurente 
2.3.6. Capacitatea memoriei autoasociative recurente 
2.3.7. Memoria asociativa bidirectionala (MAB) 
2.3.8. Consideratii asupra stabilitatii 
2.3.9. Utilizarea MAB pentru pattern-uri temporale 
ANEXA(APLICATIE MATLAB) 
BIBLIOGRAFIE


Extras din disertatie Cum descarc?

PREZENTARE LUCRARE
Prezenta lucrare reprezinta o incercare de patrundere in lumea fascinanta a Inteligentei artificiale, domeniu stiintific relativ nou, dar cu posibilitati de dezvoltare viitoare nebanuite.
De-a lungul vremii, omul s-a straduit sa inteleaga si sa simuleze cat mai fidel functionarea creierului uman. In ultimele decenii, acest lucru a inceput sa devina din ce mai realizabil, prin dezvoltarea modelarii retelelor neuronale.
Lucrarea trateaza teoria retelelor neuronale recurente.
Structural, lucrarea este alcatuita din doua capitole:
- Capitolul I, INTRODUCERE IN CALCULUL INTELIGENT, impartit intr-un numar de 9 subcapitole, in care se realizeaza o scurta si rapida introducere in teoria retelelor neuronale, plecand de la o motivatie biologica, continuand cu specificul calculului neuronal, prezentand structura unei retele neuronale artificiale, raspunzand la intrebarea ,,Ce pot si ce nu pot face retelele neuronale?", ajungand la clasele de probleme ce pot fi rezolvate cu retele neuronale si calculul neuronal in comparatie cu calculul clasic, incheiat cu un scurt istoric;
- Capitolul II, RETELE NEURONALE RECURENTE, care trateaza efectiv tema lucrarii, impartit in trei subcapitole, in care sunt prezentate concepte fundamentale si sunt tratate retelele hopfield, memoriile asociative si memorii asociative bidirectionale. 
In Anexa la lucrare este prezentata o aplicatie realizata pe ,,scheletul" unui 
algoritm hopfield, dezvoltata in Matlab, care produce distorsionarea si apoi reconstructia unei imagini(cifra).
Multumesc in mod deosebit doamnei Profesor Doctor Luminita State, coordonatorul stiintific, pentru aportul vital adus in realizarea acestei lucrari, prin materialul bibligrafic pus la dispozitie, prin indrumarea si canalizarea energiei si nu in ultimul rand pentru solutiile propuse in depasirea si rezolvarea diverselor momente critice aparute de-a lungul ,,conceperii" prezentului material si mai ales a aplicatiei prezentata in Anexa. 
CAPITOLUL I: INTRODUCERE IN CALCULUL INTELIGENT
1.1. Specificul calculului neuronal
Din punct de vedere functional o retea neuronala este un sistem ce primeste date de intrare (corespunzatoare datelor initiale ale unei probleme) si produce date de iesire (ce pot fi interpretate ca raspunsuri ale problemei analizate). O caracteristica esentiala a retelelor neuronale este capacitatea de a se adapta la mediul informational corespunzator unei probleme concrete printr-un proces de invatare. In felul acesta reteaua extrage modelul problemei pornind de la exemple.
Din punct de vedere structural o retea neuronala este un ansamblu de unitati interconectate fiecare fiind caracterizata de o functionare simpla. Functionarea unitatilor este influentata de o serie de parametri adaptabili. Astfel o retea neuronala este un sistem extrem de flexibil.
Structura unitatilor functionale, prezenta conexiunilor si a parametrilor adaptivi precum si modul de functionare sunt inspirate de creierul uman. Fiecare unitate functionala primeste cateva semnale de intrare pe care le prelucreaza si produce un semnal de iesire. Interactiunea multor unitati cu functionare simpla conduce la un sistem care poate sa rezolve probleme complexe. Functionarea sistemului este controlata de un set numeros de parametri ajustabili care permit acestuia sa se adapteze cat mai fidel mediului informational in care este amplasat (specific problemei de rezolvat).
Una dintre cele mai importante caracteristici ale unui sistem neuronal este caracterul sau adaptiv, faptul ca poate sa-si stabileasca parametrii de functionare printr-un proces de invatare bazat pe informatiile primite. Astfel de sisteme sunt adecvate, astfel, pentru problemele ce sunt dificil sau chiar imposibil de formalizat pentru ele existand doar exemple de rezolvare.
1.2. Motivatia biologica
In incercarea de a proiecta sisteme inteligente cel mai la indemana model este chiar creierul uman.
Acesta este capabil sa prelucreze cantitati mari de date la un moment dat si surclaseaza in mod cert calculatoarele (in special cele seriale) in probleme complexe de tipul intelegerii scenelor (cum ar fi recunoasterea unei imagini familiare intr-un mediu necunoscut).
Din punct de vedere biologic creierul este constituit dintr-un numar mare de celule (neuronii, circa 1010- 10 12 ) care efectueaza sarcini simple si la o viteza nu prea mare (timp de raspuns 10-3 s) dar care sunt puternic interconectate (exista circa 1014 - 10 15 interconexiuni) si lucreaza in paralel.
Avand in vedere faptul ca, componentele electronice care stau la baza calculatoarelor actuale au timpi de raspuns mult mai mici (10 -9 s) si totusi sunt surclasate de catre creier in rezolvarea unor probleme complexe (vedere, decizii pe baza unor date incomplete etc.), rezulta ca puterea computationala a creierului rezida in faptul ca bilioane de neuroni opereaza simultan. Evident, ar fi de dorit realizarea de sisteme care sa lucreze cu viteza componentelor electronice si sa fie caracterizate de conectivitatea creierului.
Dintre caracteristicile creierului care sunt de dorit si in sistemele artificiale pot fi enumerate: robustete si toleranta la erori (mor zilnic neuroni, fara ca aceasta sa afecteze semnificativ performantele creierului), flexibilitate (fiintele sunt capabile sa se adapteze la un nou mediu prin invatare), capacitatea de a prelucra informatie incompleta, nedeterminista sau chiar inconsistenta.
In ceea ce priveste robustetea si toleranta la erori ea este asigurata de faptul ca informatia este reprezentata in mod distribuit si nu localizat. Astfel, din punct de vedere cibernetic creierul este un sistem natural de prelucrare paralel-distribuita a informatiei.
Retelele neuronale pot fi vazute atat ca modele ale creierului cat si ca sisteme de prelucrare a informatiei si rezolvare a problemelor. Acestea sunt doua directii distincte in domeniul retelelor neuronale fiind diferite atat din punct de vedere al tehnicilor utilizate cat si din punct de vedere al aplicatiilor.
1.3. Structura unei retele neuronale artificiale
O retea neuronala artificiala este un ansamblu de unitati functionale amplasate in nodurile unui graf orientat si intre care circula semnale de-a lungul arcelor grafului. Elementele definitorii ale unei retele neuronale sunt:
- Arhitectura: specifica modul in care sunt amplasate si interconectate unitatile functionale. Arhitectura determina si fluxul informational in cadrul retelei.
- Functionarea: specifica modul in care fiecare unitate in parte si reteaua in ansamblul ei transforma semnalele de intrare in semnale de iesire. Functionarea este influentata de arhitectura, in special de modul de interconectare a unitatilor.
- Adaptarea (invatarea): specifica modul de stabilire a parametrilor ajustabili astfel incat reteaua sa poate rezolva anumite probleme. In functie de natura informatiei de care se dispune, invatarea poate fi supervizata sau nesupervizata. Invatarea consta in modificarea functionalitatii retelei prin modificarea parametrilor si/sau a structurii acesteia. Procesul de invatarea bazat pe adaptarea parametrilor consta in existenta unor reguli de modificare a parametrilor si un algoritm (de regula iterativ) de aplicare a acestor reguli.


Fisiere in arhiva (8):

  • Aplicatie
    • correct.txt
    • hopfield1.m
    • hopfield2.m
    • scrieretea.m
  • Lucrare de disertatie
    • Anexa Lucrare disertatie.doc
    • Bibliografie Lucrare disertatie.doc
    • Cuprins Lucrare disertatie.doc
    • Retele Neuronale Recurente.doc

Imagini din aceasta disertatie Cum descarc?

Banii inapoi garantat!

Plateste in siguranta cu cardul bancar si beneficiezi de garantia 200% din partea Diploma.ro.


Descarca aceasta disertatie cu doar 10 €

Simplu si rapid in doar 2 pasi: completezi adresa de email si platesti.

1. Numele, Prenumele si adresa de email:

Pe adresa de email specificata vei primi link-ul de descarcare, nr. comenzii si factura (la plata cu cardul). Daca nu gasesti email-ul, verifica si directoarele spam, junk sau toate mesajele.

2. Alege modalitatea de plata preferata:



* La pretul afisat se adauga 19% TVA.


Hopa sus!