Визначення та характеристика специфічних особливостей нейронної мережі. Дослідження методу градієнтного спуску. Ознайомлення з прогнозом і динамікою продажу товарів. Вивчення основних етапів створення прогнозної системи підтримки прийняття рішень.
При низкой оригинальности работы "Прогнозування для підтримки прийняття рішень в управлінні економічними об’єктами", Вы можете повысить уникальность этой работы до 80-100%
Економіка та управління підприємствами вання матеріально-технічних потреб учасників інтеграції, розширення ринків збуту з економією на маркетингових послугах, можливість створення замкнутого технологічного циклу — від отримання сільськогосподарської сировини до випуску готової продукції та доведення її до споживача, єдину податкову і фінансово-кредитну політику, варіацію фінансових та інвестиційних ресурсів в межах холдингової системи.Коли в мережі тільки один шар, алгоритм її навчання із вчителем досить очевидний, оскільки правильні вихідні стани нейронів єдиного шару свідомо відомі, і підстроювання синаптичних звязків йде в напрямі, що мінімізує помилку на виході мережі. Другий варіант - динамічне підстроювання вагових коефіцієнтів синапсів, у ході якого вибираються, як правило, найбільш слабкі зв’язки і змінюються на малу величину в той або інший бік, а зберігаються тільки ті зміни, які спричинили зменшення помилки на виході всієї мережі. Як показано в [3], для НМ з двома шарами, тобто вихідним і одним прихованим шаром, детерміністська ємкість мережі Cd оцінюється таким чином: Nw/Ny <Cd <Nw/Ny?log(Nw/Ny), (1) де N - кількість підстроюваних вагів; 2 де y(N ) - реальний вихідний стан нейрону j вихідного шару N нейронної мережі при подачі на її входи р-го образу; Подати на входи мережі один із можливих образів і в режимі звичайного функціонування НМ, коли сигнали розповсюджуються від входів до виходів, розрахувати значення останніх.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
