Rede Neural e Série Temporal Fuzzy
Previsão usando rede neural e séries cronológicas difusas
Versandkostenfrei!
Versandfertig in 6-10 Tagen
35,99 €
inkl. MwSt.
PAYBACK Punkte
18 °P sammeln!
Este trabalho lida com redes neurais (NN), especificamente com NN multicamadas do ponto de vista da aprendizagem algorítmica. Descreveremos a rede neural feed forward (FFNN), a rede neural recorrente (RCNN) e introduziremos factos básicos sobre NN, que serão utilizados mais tarde na dissertação. Uma rede neural é um modelo matemático que se inspira nas redes neurais biológicas e tenta simular as mesmas. Consiste em unidades interligadas - neurónios, que são as unidades de computação de uma rede neural. As NNs são parte da Inteligência Artificial. O conhecimento é armazenado em c...
Este trabalho lida com redes neurais (NN), especificamente com NN multicamadas do ponto de vista da aprendizagem algorítmica. Descreveremos a rede neural feed forward (FFNN), a rede neural recorrente (RCNN) e introduziremos factos básicos sobre NN, que serão utilizados mais tarde na dissertação. Uma rede neural é um modelo matemático que se inspira nas redes neurais biológicas e tenta simular as mesmas. Consiste em unidades interligadas - neurónios, que são as unidades de computação de uma rede neural. As NNs são parte da Inteligência Artificial. O conhecimento é armazenado em conexões entre neurónios, que são chamados pesos sinápticos (pesos), simplificação de dendritos e axónios biológicos. NN é um aproximador universal de relações armazenadas dentro de dados - um aproximador não linear de modelação de dados estatísticos, é capaz de aprender e adaptar a sua estrutura com base em informação interna/externa que é propagada através de NN durante a fase de aprendizagem. É relativamente fácil de usar em vastas áreas técnicas e não técnicas, sem mais conhecimentos teóricos para a maioria dos NNs. Há uma série de NNs que requerem conhecimentos para a sua implementação e utilizam um conjunto correcto de parâmetros de inicialização.
Andere Kunden interessierten sich für
