Обучение нейронных сетей в нейропакетах

1. МИНОБРНАУКИ РОССИИ Федеральное государственное автономное образовательное учреждение высшего образования «Московский

государственный технологический университет
«СТАНКИН»
Институт цифровых интеллектуальных систем
Кафедра компьютерных систем управления
Обучение нейронных сетей в нейропакетах
Выполнил студент группы АДБ-22-06
Принял к.т.н., доцент
Москва 2025
Комаров А.О.
Никишечкин А.П.

2. Введение

Нейропакеты представляют собой программные комплексы, предназначенные
для моделирования и обучения нейронных сетей. Они обеспечивают готовые
процедуры обучения, ориентированные на различные нейропарадигмы, и
позволяют гибко задавать параметры сети и форматы данных.
Использование нейропакетов упрощает процесс разработки и тестирования
нейросетевых решений для практических задач.

3.

Типы данных и сигналы
Как правило, в нейропакетах реализуется возможность задания различных
типов данных и различных размерностей входных и выходных сигналов в
зависимости от решаемой задачи. В качестве входных данных в обучающей
выборке могут использоваться: растровые изображения, таблицы чисел,
распределения.
Типы входных данных – бинарные (0 и 1), биполярные (-1 и +1) числа, целые
или действительные числа из некоторого диапазона.
Выходные сигналы сети – векторы целых или действительных чисел.

4.

Функция ошибки
В качестве функции ошибки, численно определяющей сходство всех текущих
выходных сигналов сети и соответствующих требуемых выходных сигналов
обучающей выборки, в большинстве случаев используется среднеквадратичное
отклонение (MSE — Mean Squared Error).
где