Искусственный интеллект
КР (х2) Прикладные методы ИИ
Контрольная работа по теме «КР (х2) Прикладные методы ИИ ТУСУР 4-95». Дисциплина: Искусственный интеллект. Вуз: ТУСУР.
690 ₽Подробнее
ПЗ Системы искусственного интеллекта
Файлы задания
Можно просмотреть до покупки
Контрольная работа по дисциплине «Искусственный интеллект» (ТГУ, Росдистант) выполнена в формате практического задания и посвящена расчёту выхода нейронной сети Хэмминга. В основе работы лежит сеть, обученная классифицировать входной сигнал B по одному из заданных шаблонов. В задании требуется вычислить выходные значения каждого нейрона первого слоя с использованием функции активации, а также вывести на экран определённый шаблонный сигнал. Готовый комплект включает один файл с решением, оформленным по стандартному титульному листу вуза. Материал подойдёт как образец выполнения практического задания по теме нейросетей Хэмминга и их применения для распознавания и классификации сигналов.
Похожие работы
Искусственный интеллект
Ознакомительная практика
Готовая научно-исследовательская работа по дисциплине «Искусственный интеллект» выполнена как отчёт по ознакомительной практике и посвящена анализу данных средствами языка Python. В комплект входят четыре файла отчёта, отличающиеся объёмом и полнотой изложения, но построенные по единой структуре: введение, два основных раздела и заключение. Первый раздел «Выбор платформы и данных» содержит обоснование выбора интерпретатора Python, подбор библиотек для анализа данных, описание процедуры получения данных, их предварительный анализ, выбор формата хранения и очистку от цифрового мусора; по разделу приведены выводы. Во втором разделе «Количественный анализ данных» рассматривается формирование набора данных и расчёт статистических показателей. Работа сопровождается выводами по разделам и итоговым заключением.
690 ₽Подробнее
Искусственный интеллект
ПЗ (х4) Системы искусственного интеллекта 1
Готовая контрольная работа по дисциплине «Искусственный интеллект» включает четыре практических задания. В двух из них разбирается построение решающего дерева с помощью алгоритма ID3: для 25 объектов, относящихся к двум классам, вычисляется энтропия исходного множества, а затем последовательно определяется прирост информации по атрибутам A1–A7, на основе которого выбирается оптимальное условие разбиения. В остальных заданиях рассматриваются ассоциативные правила вида «если A, B, то ...»: для каждого правила рассчитываются поддержка и достоверность, после чего правила ранжируются от самых сильных к слабым. В работе приведены промежуточные расчёты и итоговые числовые значения по каждому пункту.
690 ₽Подробнее
