Участник:Perekrestenko

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Весна 2013, 6-й семестр)
Строка 15: Строка 15:
'''Порождение нейронных сетей с экспертно-заданными функциями активации'''
'''Порождение нейронных сетей с экспертно-заданными функциями активации'''
-
''В данной работе исследуются возможности нейронных сетей, основанных на различных алгоритмах обучения, в применении к задачам прогнозирования временных рядов. Анализируется алгоритм Deep Learning и его конкуренты - многослойная сеть с градиентным методом обучения и Madaline. В вычислительном эксперименте сравниваются результаты работы нового алгоритма со стандартным методом обучения -- градиентным спуском, для одно- двух- и трехслойных нейронных сетей. Работа алгоритмов проилюстрирована на задаче прогнозирования объемов потребления и цен на электроэнергию, а также на синтетических данных. Приведены выводы о целесообразности применения алгоритмов Deep Learning к некоторорым классам задач''
+
''В данной работе исследуются возможности нейронных сетей, основанных на различных алгоритмах обучения, в применении к задачам прогнозирования временных рядов. Анализируется алгоритм Deep Learning и его конкуренты - многослойная сеть с градиентным методом обучения и Madaline. В вычислительном эксперименте сравниваются результаты работы нового алгоритма со стандартным методом обучения -- градиентным спуском, для одно- двух- и трехслойных нейронных сетей. Работа алгоритмов проилюстрирована на задаче прогнозирования объемов потребления и цен на электроэнергию, а также на синтетических данных. Приведены выводы о целесообразности применения алгоритмов Deep Learning к некоторорым классам задач.''
'''Публикация'''
'''Публикация'''
''Перекрестенко Д.О.'' [http://svn.code.sf.net/p/mlalgorithms/code/Perekrestenko2013DeepLearning/doc/Perekrestenko2013DeepLearning.pdf Порождение нейронных сетей с экспертно-заданными функциями активации] // ''Machinelearning.ru'' , 2013.
''Перекрестенко Д.О.'' [http://svn.code.sf.net/p/mlalgorithms/code/Perekrestenko2013DeepLearning/doc/Perekrestenko2013DeepLearning.pdf Порождение нейронных сетей с экспертно-заданными функциями активации] // ''Machinelearning.ru'' , 2013.

Версия 18:45, 1 сентября 2013

Перекрестенко Дмитрий Олегович

МФТИ, ФУПМ, 074

Кафедра "Интеллектуальные системы"

Направление "Интеллектуальный анализ данных"

email: dmitry.perekrestenko@phystech.edu

Отчет о научно-исследовательской работе

Весна 2013, 6-й семестр

Порождение нейронных сетей с экспертно-заданными функциями активации

В данной работе исследуются возможности нейронных сетей, основанных на различных алгоритмах обучения, в применении к задачам прогнозирования временных рядов. Анализируется алгоритм Deep Learning и его конкуренты - многослойная сеть с градиентным методом обучения и Madaline. В вычислительном эксперименте сравниваются результаты работы нового алгоритма со стандартным методом обучения -- градиентным спуском, для одно- двух- и трехслойных нейронных сетей. Работа алгоритмов проилюстрирована на задаче прогнозирования объемов потребления и цен на электроэнергию, а также на синтетических данных. Приведены выводы о целесообразности применения алгоритмов Deep Learning к некоторорым классам задач.

Публикация

Перекрестенко Д.О. Порождение нейронных сетей с экспертно-заданными функциями активации // Machinelearning.ru , 2013.

Личные инструменты