Научная библиотека
Математический справочник
ЕГЭ и ОГЭ
Наш канал
sc_lib@list.ru
Научная библиотека
Главная
>
Искусственные нейронные сети. Теория и практика
<< Предыдущий параграф
Следующий параграф >>
<< Предыдущий параграф
Следующий параграф >>
Макеты страниц
Список литературы
(см. скан)
(см. скан)
<< Предыдущий параграф
Следующий параграф >>
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
Глава 3. НЕЧЕТКИЕ НЕЙРОННЫЕ СЕТИ И ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ
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