Искусственные нейронные сети. Теория и практика

Научная библиотека

Научная библиотека

Искусственные нейронные сети. Теория и практика

Круглов В.В., Борисов В. В. Искусственные нейронные сети. Теория и практика. - 2-е изд., стереотип. - М.: Горячая линия-Телеком, 2002. - 382 с.

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.

Оглавление

Введение
Часть I. ТЕОРИЯ
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
1.5.2. Конструктивные алгоритмы
1.6. Краткое обобщение материалов главы
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
2.2. Персептроны
2.3. Нейронные сети встречного распространения
2.4. Оптимизирующие нейронные сети
2.4.2. Нейронные сети Хэмминга
2.5. Двунаправленная ассоциативная память
2.6. Сети адаптивной резонансной теории
2.7. Когнитрон
2.8. Неокогнитрон
3.1. Нечеткая информация
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
3.4.2. Алгоритмы обучения и использования нечетких нейронных сетей
3.5. Нечеткий классификатор
3.6. Генетические алгоритмы
3.6.2. Что такое генетический алгоритм
3.6.3. Обучение нечетких нейронных сетей на основе генетических алгоритмов
3.6.4. Особенности генетических алгоритмов
Часть II. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ
Глава 4. ОСНОВНЫЕ ФУНКЦИОНАЛЬНЫЕ ВОЗМОЖНОСТИ ПРОГРАММ МОДЕЛИРОВАНИЯ НЕЙРОННЫХ СЕТЕЙ
4.1. Общие сведения о программах моделирования нейронных сетей
4.2. Характеристики современных нейропакетов
Глава 5. ПРОГРАММЫ МОДЕЛИРОВАНИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
5.2. Нейропакет НейроПро (NeuroPro)
5.3. Нейропакет QwikNet32
5.4. Нейропакет Neural Planner
5.5. Нейропакет BrainMaker
5.6. Нейропакет MPIL
5.7. Нейропакет Braincel
5.8. Нейропакет Excel Neural Package
5.9. Пакет Fuzzy Logic Toolbox
Часть III. ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
Глава 6. ПРИМЕРЫ ПРИМЕНЕНИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
6.2. Анализ данных социологического опроса
6.3. Выявление показателей, влияющих на валовую прибыль предприятия
6.4. Задача об ирисах Фишера
6.5. Задача о землекопах
6.6. Аппроксимация функции
6.7. Нейросетевая экспертная система
6.8. Прогнозирование на финансовом рынке
6.9. Сжатие информации
6.10. Компактное представление информации репликативными нейронными сетями
6.11. Кратко о других задачах
П.1. Основные парадигмы нейронных сетей
П.2. Алгоритмы обучения нейронных сетей
П.3. Глоссарий
Список литературы