• формат djvu
  • размер 4.11 МБ
  • добавлен 06 сентября 2012 г.
Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика
М.: Горячая линия-Телеком, 2002. — 382 с. — ISBN 5-93517-031-0.
300 to 600 dpi, b/w, OCR.
Книга посвящена одному из современных направлений в области информатики и вычислительной техники — нейрокомпьютерным технологиям. Достоинством книги является то, что в ней рассмотрены не только вопросы теории искусственных нейронных сетей, но и большое внимание уделено современным программным оболочкам-имитаторам нейронных сетей, а также решению с их помощью практических задач распознавания образов, кластеризации, прогнозирования, оптимизации, построения и использования нейросетевых экспертных систем. Книга содержит обширный справочный материал.
Для научных и инженерно-технических работников в области информатики и вычислительной техники, занимающихся созданием и использованием интеллектуальных систем, а также аспирантов и студентов разных специальностей в области компьютерных технологий.
Основные положения теории искусственных нейронных сетей
Биологический нейрон
Структура и свойства искусственного нейрона
Классификация нейронных сетей и их свойства
Постановка и возможные пути решения задачи обучения нейронных сетей
Настройка числа нейронов в скрытых слоях многослойных нейронных сетей в процессе обучения
Краткое обобщение материалов главы
Основные концепции нейронных сетей
Ассоциативная память нейронных сетей
Персептроны
Нейронные сети встречного распространения
Оптимизирующие нейронные сети
Двунаправленная ассоциативная память
Сети адаптивной резонансной теории
Когнитрон
Неокогнитрон
Нечеткие нейронные сети и генетические алгоритмы
Нечеткая информация
Нечеткий логический вывод
Эффективность нечетких систем принятия решений
Синтез нечетких нейронных сетей
Нечеткий классификатор
Генетические алгоритмы
Основные функциональные возможности программ моделирования нейронных сетей
Общие сведения о программах моделирования нейронных сетей
Характеристики современных нейропакетов
Программы моделирования искусственных нейронных сетей
Нейропакет Neural
Нейропакет НейроПро (NeuroPro)
Нейропакет QwikNet32
Нейропакет Neural Planner
Нейропакет BrainMaker
Нейропакет MPIL
Нейропакет Braincel
Нейропакет Excel Neural Package
Пакет Fuzzy Logic Toolbox
Совсем все просто
Примеры применения искусственных нейронных сетей
Прогнозирование результатов выборов
Анализ данных социологического опроса
Выявление показателей, влияющих на валовую прибыль предприятия
Задача об ирисах Фишера
Задача о землекопах
Аппроксимация функции
Нейросетевая экспертная система
Прогнозирование на финансовом рынке
Сжатие информации
Компактное представление информации репликативными нейронными сетями
Кратко о других задачах
Основные парадигмы нейронных сетей
Искусственный резонанс-1 ART-1 Network (Adaptive Resonance Theory Network - 1)
Двунаправленная ассоциативная память Bi-Directional Associative Memory (BAM)
Машина Больцмана (Boltzmann Machine)
Обратное распространение (Neural Network with Back Propagation Training Algorithm)
Сеть встречного распространения (Counter Propagation Network)
Delta Bar Delta сеть
Расширенная DBD сеть (Extended Delta Bar Delta Network)
Сеть поиска максимума с прямыми связями (Feed-Forward MAXNET)
Гауссов классификатор (Neural Gaussian Classifier)
Генетический алгоритм (Genetic Algorithm)
Сеть Хэмминга (Hamming Net)
Сеть Хопфилда (Hopfield Network)
Входная звезда (Instar)
Сеть Кохонена (Kohonen's Neural Network)
Сеть поиска максимума (MAXNET)
Выходная звезда (Outstar)
Сеть радиального основания (Radial Basis Function Network)
Нейронные сети, имитирующие отжиг (Neural Networks with Simulated Annealing Training Algorithm)
Однослойный персептрон (Single Layer Perceptron)
Алгоритмы обучения нейронных сетей