Главная страница
Случайная страница
Разделы сайта
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
|
Как продвинуть сайт на первые места?
Вы создали или только планируете создать свой сайт, но не знаете, как продвигать?
Продвижение сайта – это не просто процесс, а целый комплекс мероприятий,
направленных на увеличение его посещаемости и повышение его позиций в поисковых системах.
Ускорение продвижения
Если вам трудно попасть на первые места в поиске самостоятельно, попробуйте технологию Буст,
она ускоряет продвижение в десятки раз, а первые результаты появляются уже в течение первых 7 дней.
Если ни один запрос у вас не продвинется в Топ10 за месяц, то в SeoHammer за бустер вернут деньги.
Начать продвижение сайта
Сервис онлайн-записи на собственном Telegram-боте
Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое расписание,
но и напоминать клиентам о визитах тоже. Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.
Для новых пользователей первый месяц бесплатно.
Чат-бот для мастеров и специалистов, который упрощает ведение записей:
— Сам записывает клиентов и напоминает им о визите;
— Персонализирует скидки, чаевые, кэшбэк и предоплаты;
— Увеличивает доходимость и помогает больше зарабатывать;
Начать пользоваться сервисом
Алгоритм зворотного розповсюдження помилки для навчання нейтронної мережі
Суть алгоритму зводиться до послідовного подання на вхід мережі еталонних значень (рис.3), визначення вихідного вектору мережі (прямий прохід), і корегування коефіцієнтів ваги для зв’язків нейронів на основі визначення різниці між еталонним значенням вихідного вектору та отриманим (зворотній прохід). Корегування відбувається на основі норми навчання та коефіцієнта інерції . Навчання мережі припиняється при досягненні збіжності між еталонним та отриманим значенням вихідного вектора для всіх еталонних прикладів.
При реалізації алгоритму норму навчання обрати на рівні 0.3, а коефіцієнт інерції 0.7. Значення кожного біту вихідного вектора визначати за формулою:

Послідовність кроків алгоритму:
- Прочитати перший вхідний зразок(еталон) і встановити вихідний зразок, що йому відповідає; Converge = TRUE.
- Задати значення для кожного з вхідних нейронів значення вхідного зразка.
- Для елементів першого прихованого шару обчислити сумарний вхід та вихід
, - Повторити крок 3 для всіх наступних прихованих шарів та вихідного шару нейронів.
- Якщо різниця між значенням виходу мережі і вихідним зразком не є допустимою, Converge = Converge& FALSE.
- Для кожного вихідного елементу визначити його помилку
- Для останнього прихованого шару визначити помилку кожного елемента
- Повторити крок 7 для всіх інших шарів
- Для всіх шарів перерахувати значення ваг кожного елемента
, 
- Якщо вхідний зразок був не останнім, прочитати наступний і перейти до кроку 2.
- Якщо Converge == FALSE, перейти до кроку 1.
- Кінець
Перелік позначень:
i, j, k – індекси;
-i-ий вхідний сигнал нейрону;
- ваговий коефіцієнт з’єднання i-го та j-го нейронів;
- сумарне вхідне значення нейрону j;
- вихідне значення нейрону j;
- функція активації;
- значення помилки для j-го нейрону;
- еталонне значення j-го нейрону зовнішнього шару;
- помилка для вагового коефіцієнта зв’язку між нейронами i та j на n кроці обчислень
- норма навчання;
- коефіцієнт інерції;
Converge – ознака припинення навчання.

Рис.4. Приклади для тестування нейронної мережі
В звіті представити:
- Завдання: розпізнати символи, які складають прізвища студента.
- Теоретичні відомості
- Результати навчання
- Результати розпізнавання
- Текст програми
- Висновки
|