НЕФТЬ-ГАЗ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

Теперь на нашем сайте можно за 5 минут создать свежий реферат или доклад

Скачать книгу целиком можно на сайте: www.nglib.ru.

<< Экспертные системы и искусственный интеллект <<

Круглов В.В. Искусственные нейронные сети

Скачать книгу здесь
Автор: Круглов В.В.
Название: Искусственные нейронные сети
Год издания: 2001
УДК: 681.322
Число страниц: 384
Содержание книги:
ОГЛАВЛЕНИЕ Введение
1.1. Биологический нейрон
1.2. Структура и свойства искусственного нейрона
1.3. Классификация нейронных сетей и их свойства
1.3.1. Теорема Колмогорова-Арнольда
1.3.2. Работа Хехт-Нильсена
1.3.3. Следствия из теоремы Колмогорова-Арнольда -Хехт-Нильсена
1.4. Постановка и возможные пути решения задачи обучения нейронных сетей
1.4.1. Обучение с учителем. Алгоритм обратного распространения ошибки
1.4.2. Обучение без учителя
1.5. Настройка числа нейронов в скрытых слоях многослойных нейронных сетей в процессе обучения
1.5.1. Алгоритмы сокращения
1.5.2. Конструктивные алгоритмы
1.6. Краткое обобщение материалов главы
1.6.1. Как построить нейронную сеть
1.6.2. Обучение нейронной сети
1.6.3. Применение обученной нейронной сети
Глава 2. Основные концепции нейронных сетей
2.1. Ассоциативная память нейронных сетей
2.1.1. Ассоциации
2.1.2. Модели ассоциативной памяти
2.2. Персептроны
2.3. Нейронные сети встречного распространения
2.4. Оптимизирующие нейронные сети
2.4.1. Нейронные сети Хопфилда
2.4.2. Нейронные сети Хэмминга
2.5. Двунаправленная ассоциативная память
2.6. Сети адаптивной резонансной теории
2.7. Когнитрон
2.7, Неокогнитрон
Глава 3. Нечеткие нейронные сети и генетические алгоритмы
3.1. Нечеткая информация
3.1.1. Нечеткие множества
3.1.2. Операции над нечеткими множествами
3.1.3. Нечеткие и лингвистические переменные
3.1.4. Нечеткие отношения
3.2. Нечеткий логический вывод
3.3. Эффективность нечетких систем принятия решений
3.4. Синтез нечетких нейронных сетей
3.4.1. Основные понятия и определения нечетких нейронных сетей
3.4.2. Алгоритмы обучения и использования нечетких нейронных сетей
3.5. Нечеткий классификатор
3.6 Генетические алгоритмы
3.6.1. Естественный отбор в природе
3 6.2. Что такое генетический алгоритм
363. Обучение нечетких нейронных сетей на основе генетических алгоритмов
3.6.4. Особенности генетических алгоритмов
Глава 4. Основные функциональные возможности программ моделирования нейронных сетей
4.1. Общие сведения о программах моделирования нейронных сетей
4.2. Характеристики современных нейропакетов
5.1. Нейропакет Neural! О
5.1.1. Общая характеристика
5.1.2. Создание, обучение и работа нейронной сети
5.2. Нейропакет НейроПро (NeuroPro
5.2.1. Общая характеристика
5.2.2. Главное меню
5.2.3. Создание нейропроекта
5.2.4. Создание нейронной сети
5.2.5. Обучение нейронной сети
5.2.6. Тестирование нейронной сети
5.2.7. Вычисление показателей значимости входных сигналов сети
5.2.8. Упрощение нейронной сети
5.2.9. Вербализация нейронной сети
5.2.10. Правила работы с нейропакетом
5.2.11. Общее суждение о нейропакете
5.3 Нейропакет QwikNet32
5.3.1. Общая характеристика и интерфейс
5.3.2. Правила работы с нейропакетом
5.3.3. Общее суждение
5.4. Нейропакет Neural Planner
5.4.1. Общая характеристика
5.4.2. Форматы файлов
5.4.3. Команды основного меню программы
5.4.4. Работа с пакетом
5.4.5. Впечатления от работы с нейропакетом
5.5. Нейропакет BrainMaker
5.5.1. Общая характеристика
5.5.2. Входные и выходные данные
5.5.3. Типы файлов
5.5.4. Создание нейросетевой модели
5.5.5. Общее суждение о нейропакете
5.6. Нейропакет MPIL
5.6.1. Общая характеристика
5.6.2. Интерфейс программы
5.6.3. Правила работы с программой
5.6.4. Впечатления от работы с пакетом
5.7. Нейропакет Braincel
5.7.1. Общая характеристика
5.7.2. Интерфейс программы
5.7.3. Правила работы с пакетом
5.7.4. Дополнительные возможности
5.7.5. Достоинства и недостатки программы
5.8. Нейропакет Excel Neural Package
5.8.1. Общая характеристика
5.8.2. Установка нейропакета
5.8.3. Работа с пакетом
5.8.4. Впечатления от работы с пакетом
5.9. Пакет Fuzzy Logic Toolbox
5.9.1. Общая характеристика
5.9.2. Состав графического интерфейса
5.9.3. Создание нечеткой нейронной сети
5.9.4. Впечатления от работы с пакетом
5.10. Совсем все просто
Часть III. ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ Глава 6. Примеры применения искусственных нейронных сетей
6.1. Прогнозирование результатов выборов
6.1.1. Содержательная постановка задачи
6.1.2. Нейросетевое моделирование
6.2. Анализ данных социологического опроса
6.3. Выявление показателей, влияющих на валовую прибыль предприятия
6.3.1. Постановка задачи
6.3.2. Анализ технического задания
6.3.3. Анализ данных
6.4. Задача об ирисах Фишера
6.4.1. Содержательная постановка задачи
6.4.2. Построение нейросетевого классификатора
6.5. Задача о землекопах
6.5.1. Содержательное описание задачи
6.5.2. Решение задачи
6.6. Аппроксимация функции
6.7. Нейросетевая экспертная система
6.8. Прогнозирование на финансовом рынке
6.8.1. Построение нейросетевой модели
6.8.2. Предварительный анализ и подготовка данных
6.8.3 Обучение, тестирование и опрос нейронной сети
6.8.4. Некоторые выводы
6.9. Сжатие информации
6.10. Компактное представление информации репликативными нейронными сетями
6.11. Кратко о других задачах
6.11.1. Обработка видеоизображений
6.11.2. Обработка статических изображений
6.11.3. Обнаружение и классификация объектов по звуковым и гидроакустическим сигналам
6.11.4. Задачи комбинаторной оптимизации
6.11.5. Медицинская диагностика
6.11.6. Распознавание речи
6.11.7. Обнаружение фальсификаций
6.11.8. Анализ потребительского рынка
6.11.9. Проектирование и оптимизация сетей связи
6.11.10. Прогнозирование изменений котировок
6.11.11. Управление ценами и производством
6.11.12. Исследование факторов спроса
6.11.13. Прогнозирование потребления энергии
6.11.14. Оценка недвижимости
6.11.15. Анализ страховых исков
6.12. Краткое обобщение
П.1. Основные парадигмы нейронных сетей
Resonance Theory Network - 1
Associative Memory (ВАМ
П.1.3. Машина Больцмана (Boltzmann Machine
Propagation Training Algorithm
Network
П.1.6. Delta Bar Delta сеть
Network
(Feed-Forward MAXNET
П.1.9. Гауссов классификатор (Neural Gaussian Classifier
П.1.10. Генетический алгоритм (Genetic Algorithm
П.1.11. Сеть Хэмминга (Hamming Net
П.1.12. СетьХопфилда (Hopfield Network
П.1.13. Входная звезда (Instar
П.1.14. Сеть Кохонена (Kohonen's Neural Network
П.1.15. Сеть поиска максимума (MAXNET
П.1.16. Выходная звезда (Outstar
Network
П.1.18. Нейронные сети, имитирующие отжиг (Neural Networks with Simulated Annealing Training Algorithm
П.1.19. Однослойный персептрон (Single Layer Perceptron
П.2. Алгоритмы обучения нейронных сетей
П.З. Глоссарий
Список литературы
Глоссарий:
а б в г д е ж з и к л м н о п р с т у ф х ц ч ш э я
Смотреть страницы:
1 2 41 79 117 155 193 231 269 307 345 383 384
Полнотекстовый поиск по книге:
Введите слово или фразу для поиска:
Близкие по содержанию книги:
Нечетная логика и искусственные нейронные сети
Информатика, вычислительная техника >> Экспертные системы и искусственный интеллект
Нейрокомпьютерная техника Теория и практика
Информатика, вычислительная техника >> Экспертные системы и искусственный интеллект

Просмотреть оригинальные страницы книг в формате djvu можно на сайте: www.nglib.ru.


Главный редактор проекта: Мавлютов Р.Р.
oglib@mail.ru