Сравнительный анализ различных алгоритмов обучения искусственной нейронной сети
Автор: Ковжун Д.А., Федоров А.А.
Журнал: Международный журнал гуманитарных и естественных наук @intjournal
Рубрика: Технические науки
Статья в выпуске: 4-3 (91), 2024 года.
Бесплатный доступ
Искусственная нейронная сеть - это методология разработки интеллектуальной системы, способной имитировать работу человеческого мозга. Все чаще исследуются новые алгоритмы для повышения эффективности и точности. Таким образом, в данной статье рассматривается эффективность и целесообразность использования различных алгоритмов обучения искусственной нейронной сети архитектуры обратного распространения ошибки. Алгоритмы обучения разработаны и реализованы в среде MATLAB. Различные алгоритмы обучения анализируются для определения уровня точности между желаемыми и фактическими результатами. Анализ выполняется на основе набора данных для прогнозирования цен на жилье от Kaggle.
Искусственные нейронные сети, алгоритм обучения
Короткий адрес: https://sciup.org/170204911
IDR: 170204911 | DOI: 10.24412/2500-1000-2024-4-3-11-14
Список литературы Сравнительный анализ различных алгоритмов обучения искусственной нейронной сети
- Пензин К.В. Вариант алгоритма Левенберга-Марквардта решения нелинейной задачи наименьших квадратов // Журнал вычислительной математики и математической физики. - 1991. - Т. 31, № 10. - С. 1444-1451.
- Гасников А.В. Современные численные методы оптимизации. Метод универсального градиентного спуска: учебное пособие. - М.: МФТИ, 2018. - 291 с. EDN: UWLALM
- Martin Fodslette Møller A scaled conjugate gradient algorithm for fast supervised learning // Neural Networks. - 1993. - № 6. - С. 525-533.
- Нужный А.С. Байесовская регуляризация в задаче аппроксимации функции по точкам с помощью ортогонализованного базиса // Математическое моделирование. - 2011. - Т. 23, № 9. - С. 33-42. EDN: RXPNMT
