Realaus laiko sistemos, tai tokios sistemos kurios realiame laike priima duomenis, juos apdoroja ir pateikia apdorotą informaciją arba pagal gautus rezultatus automatiškai vykdo sprendimus. Realaus laiko sistemos naudojamos tokiose srityse, kur svarbu užtikrinti nenutrūkstamą, saugų ir patikimą veiklos procesą. Tai būtina finansų, transporto, telekomomunikacijų sektoriuose, pramoninių, technologinių procesų valdyme.
Ekonominių rodiklių pateikimas realiame laike, jų analizė ir prognozavimas realiame laike – taikoma bankuose, biržose ir pan.
Transporto srautų valdymas – transporto srautų analizė, optimalaus maršruto parinkimas, informavimas, savarankiškas srautų valdymas realiame laike. Taikoma automobilių, traukinių, laivų, lėktuvų ir pan. srautų valdymui ir monitoringui.
Garso, kalbos ir trimačio vaizdo atpažinimo sistemos – taikomos saugumo, autentifikacijos sistemose, taip pat sistemų ar prietaisų valdymui gestais, balsu ir pan.
Nepriklausomo ir savarankiško gamybinių, technologinių procesų valdymo sistemos (Engineering for real-time systems
Toliau analizuojamos kelios nekontroliuojamo mokymo neuroninius tinklus realizuojančios programų sistemos:
SOM-PAK, SOM-TOOLBOX, Viscovery SOMine Standard Edition, Nenet, Olandijos Groningeno universitete
sukurta sistema bei daugiamačių duomenų integruoto vizualizavimo sistema. Dalis jų, kaip laisvai platinamos arba
demonstracinės versijos, patalpintos internete. Nekontroliuojamo mokymo neuroninių tinklų išskirtinė savybė – duomenų
sugrupavimas (surūšiavimas, klasterizavimas) pagal jų panašumą. Sistemos viena nuo kitos skiriasi ne tik realizavimo
detalėmis, bet ir rezultatų pateikimo galimybėmis bei forma. Straipsnyje pateikta sistemų lyginamoji analizė.
Kiekvienoje sistemoje neuroninis tinklas apmokomas tais pačias ekologiniais duomenimis, nusakančiais Suomijos
pajūrio kopas ir jų vegetaciją. Nagrinėjant gautus rezultatus, atskleisti sistemų privalumai bei trūkumai grafinės sąsajos,
vartojimo patogumo, rezultatų vizualizavimo, papildomų galimybių požiūriu.
Dirbtinių neuroninių tinklų panaudojimas realaus laiko sistemų programinės įrangos kūrimo procese
Sparčiai vystantis dirbtinių neuroninių tinklų teorijai ir taikymams, vis daugiau sukuriama ir juos realizuojančių
programų sistemų. Kai kurios iš jų, kaip laisvai platinamos arba jų demonstracinės versijos yra patalpintos ir visiems
prieinamos internete. Būtina paanalizuoti sistemų įvairovę, išryškinti jų privalumus bei trūkumus, palyginti tarpusavyje.
Šiame straipsnyje pateikta kelių nekontroliuojamo mokymo neuroninius tinklus [7] realizuojančių sistemų analizė.
Analizuojamos šios programų sistemos:
N1. Olandijos Groningeno universitete sukurta sistema [6].
N2. Helsinkio technologijos universiteto Kompiuterių ir...
Šį darbą sudaro 2677 žodžiai, tikrai rasi tai, ko ieškai!
★ Klientai rekomenduoja
Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?
Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!
Norint atsisiųsti šį darbą spausk ☞ Peržiūrėti darbą mygtuką!
Mūsų mokslo darbų bazėje yra daugybė įvairių mokslo darbų, todėl tikrai atrasi sau tinkamą!
Panašūs darbai
Atsisiuntei rašto darbą ir neradai jame reikalingos informacijos? Pakeisime jį kitu nemokamai.
Pirkdamas daugiau nei vieną darbą, nuo sekančių darbų gausi 25% nuolaidą.
Išsirink norimus rašto darbus ir gauk juos akimirksniu po sėkmingo apmokėjimo!