2-е изд., перераб. и доп. — М.: Горячая линия - Телеком, 2008. —
392 с. — ISBN 978-5-9912-0015-8.
Изложены нейросетевые методы анализа данных, основанные на
использовании пакета Statistica Neural Networks (фирма
производитель StatSoft), полностью адаптированного для русского
пользователя. Даны основы теории нейронных сетей; большое внимание
уделено решению практических задач, всесторонне рассмотрена
методология и технология проведения исследований с помощью пакета
Statistica Neural Networks - мощного инструмента анализа и
прогнозирования данных, имеющего широкие применения в бизнесе,
промышленности, управлении, финансах. Книга содержит множество
примеров анализа данных, практические рекомендации по проведению
анализа, прогнозирования, классификации, распознавания образов,
управления производственными процессами с помощью нейронных
сетей.
Для широкого круга читателей, занимающихся исследованиями в банковской сфере, промышленности, экономике, бизнесе, геологоразведке, управлении, транспорте и других областях. Предисловие ко второму изданию
Введение. Приглашение в нейронные сети
Основные понятия анализа данных
Введение в теорию вероятностей
Введение в теорию нейронных сетей
Общий обзор нейронных сетей
Параллели из биологии
Базовая искусственная модель
Применение нейронных сетей
Пре- и постпроцессирование
Многослойный персептрон
Радиальная базисная функция
Вероятностная нейронная сеть
Обобщенно-регрессионная нейронная сеть
Линейная сеть
Сеть Кохонена
Задачи классификации
Задачи регрессии
Прогнозирование временных рядов
Отбор переменных и понижение размерности
Первые шаги в STATISTICA NEURAL NETWORKS
Начинаем работу
Создание набора данных
Создание новой сети
Создание набора данных и сети
Обучение сети
Запуск нейронной сети
Проведение классификации
Дальнейшие возможности нейронных сетей
Классический пример: Ирисы Фишера
Обучение с кросс-проверкой
Условия остановки
Решение задач регрессии
Радиальные базисные функции
Линейные модели
Сети Кохонена
Вероятностные и обобщенно-регрессионные сети
Конструктор сетей
Генетический алгоритм отбора входных данных
Временные ряды
Практические советы по решению задач
Представление данных
Выделение полезных входных переменных
Понижение размерности
Выбор архитектуры сети
Пользовательские архитектуры сетей
Временные ряды
Примеры применения
Пример 1. Понижение размерности в геологическом исследовании
Пример 2. Распознавание образов
Пример 3. Нелинейная классификация двумерных множеств
Пример 4, Сегментация различных образцов топлива по данным лабораторного исследования
Пример 5. Построение модели поведенческого скоринга
Пример 6. Аппроксимация функций
Пример 7. Прогнозирование продаж нефти
Пример 8 Мониторинг и предсказание температурного режима на установке
Пример 9. Определение достоверности цифровой подписи
Краткое руководство
Данные
Сети
Обучение сетей
Другие типы сетей
Работа с сетью
Пересылка результатов в систему STATISTICA
Классические методы, альтернативные нейронным сетям
Классический дискриминантный анализ в STATISTICA
Классификация
Логит-регрессия
Факторный анализ в STATISTICA
Добыча данных в STATISTICA
Приложение I. Генератор кода
Приложение 2. Интеграция STATISTICA с ЕКР-системами
Список литературы
Предметный указатель
Для широкого круга читателей, занимающихся исследованиями в банковской сфере, промышленности, экономике, бизнесе, геологоразведке, управлении, транспорте и других областях. Предисловие ко второму изданию
Введение. Приглашение в нейронные сети
Основные понятия анализа данных
Введение в теорию вероятностей
Введение в теорию нейронных сетей
Общий обзор нейронных сетей
Параллели из биологии
Базовая искусственная модель
Применение нейронных сетей
Пре- и постпроцессирование
Многослойный персептрон
Радиальная базисная функция
Вероятностная нейронная сеть
Обобщенно-регрессионная нейронная сеть
Линейная сеть
Сеть Кохонена
Задачи классификации
Задачи регрессии
Прогнозирование временных рядов
Отбор переменных и понижение размерности
Первые шаги в STATISTICA NEURAL NETWORKS
Начинаем работу
Создание набора данных
Создание новой сети
Создание набора данных и сети
Обучение сети
Запуск нейронной сети
Проведение классификации
Дальнейшие возможности нейронных сетей
Классический пример: Ирисы Фишера
Обучение с кросс-проверкой
Условия остановки
Решение задач регрессии
Радиальные базисные функции
Линейные модели
Сети Кохонена
Вероятностные и обобщенно-регрессионные сети
Конструктор сетей
Генетический алгоритм отбора входных данных
Временные ряды
Практические советы по решению задач
Представление данных
Выделение полезных входных переменных
Понижение размерности
Выбор архитектуры сети
Пользовательские архитектуры сетей
Временные ряды
Примеры применения
Пример 1. Понижение размерности в геологическом исследовании
Пример 2. Распознавание образов
Пример 3. Нелинейная классификация двумерных множеств
Пример 4, Сегментация различных образцов топлива по данным лабораторного исследования
Пример 5. Построение модели поведенческого скоринга
Пример 6. Аппроксимация функций
Пример 7. Прогнозирование продаж нефти
Пример 8 Мониторинг и предсказание температурного режима на установке
Пример 9. Определение достоверности цифровой подписи
Краткое руководство
Данные
Сети
Обучение сетей
Другие типы сетей
Работа с сетью
Пересылка результатов в систему STATISTICA
Классические методы, альтернативные нейронным сетям
Классический дискриминантный анализ в STATISTICA
Классификация
Логит-регрессия
Факторный анализ в STATISTICA
Добыча данных в STATISTICA
Приложение I. Генератор кода
Приложение 2. Интеграция STATISTICA с ЕКР-системами
Список литературы
Предметный указатель