Книги / Компьютерная литература / Общие вопросы, справочная литература / Общая информатика. Теория информатики
Введение в нейросетевое моделирование. Учебное пособие
Сергеев Александр Петрович, Тарасов Дмитрий Александрович
Код товара: 3906995
(0 оценок)Оценить
ОтзывНаписать отзыв
ВопросЗадать вопрос
1 / 3
1 / 3
Издательство:
Год издания:
2020 г.
Может быть отгружен товар указанного или более позднего года
Редактор:
Описание
Характеристики
Учебное пособие содержит начальные сведения о моделировании на базе искусственных нейронных сетей. Разобраны биологические принципы построения и алгоритмы создания искусственного нейрона (типа «перцептрон») и сетей на его основе. Издание рекомендуется исследователям, преподавателям, аспирантам, студентам, а также всем, кто интересуется современным состоянием дел в области искусственных нейронных сетей и моделирования.
Содержание
1. Биологические прототипы нейронных сетей
1.1. Нейрон
1.2. Нейронная передача
1.3. Потенциал действия
1.4. Адаптация
1.5. Рефрактерный период
1.6. Скорость нейронной трансмиссии
1.7. Синаптические связи....
1.8. Нейротрансмиттеры
1.9. Измерение потенциала действия
1.10. Сенсорно-нейронная передача
2. Однослойный перцептрон
2.1. Введение
2.2. Задача адаптивной фильтрации
2.3. Методы безусловной оптимизации
2.4. Линейный фильтр, построенный по методу
наименьших квадратов
2.5. Алгоритм минимизации среднеквадратической
ошибки (LMS)
2.6. Графики процесса обучения
2.7. Изменение параметра скорости обучения по
модели отжига
2.8. Перцептрон
2.9. Теорема о сходимости перцептрона
2.10. Взаимосвязь перцептрона и байесовского
классификатора в гауссовой среде
2.11. Резюме и обсуждение
3. Многослойный перцептрон
3.1. Введение
3.2. Общая информация о МСП
3.3. Алгоритм обратного распространения ошибки
3.4. Алгоритм обратного распространения в
краткой форме
3.5. Задача исключающего ИЛИ (XOR)
3.6. Рекомендации по улучшению работы
алгоритма обратного распространения
3.7. Представление выхода и решающее правило
3.8. Компьютерный эксперимент
3.9. Извлечение признаков
3.10. Обратное распространение ошибки и
дифференцирование
4. Геостатистика. Гибридные методы на основе
ИНС и геостатистики
Список библиографических ссылок
1.1. Нейрон
1.2. Нейронная передача
1.3. Потенциал действия
1.4. Адаптация
1.5. Рефрактерный период
1.6. Скорость нейронной трансмиссии
1.7. Синаптические связи....
1.8. Нейротрансмиттеры
1.9. Измерение потенциала действия
1.10. Сенсорно-нейронная передача
2. Однослойный перцептрон
2.1. Введение
2.2. Задача адаптивной фильтрации
2.3. Методы безусловной оптимизации
2.4. Линейный фильтр, построенный по методу
наименьших квадратов
2.5. Алгоритм минимизации среднеквадратической
ошибки (LMS)
2.6. Графики процесса обучения
2.7. Изменение параметра скорости обучения по
модели отжига
2.8. Перцептрон
2.9. Теорема о сходимости перцептрона
2.10. Взаимосвязь перцептрона и байесовского
классификатора в гауссовой среде
2.11. Резюме и обсуждение
3. Многослойный перцептрон
3.1. Введение
3.2. Общая информация о МСП
3.3. Алгоритм обратного распространения ошибки
3.4. Алгоритм обратного распространения в
краткой форме
3.5. Задача исключающего ИЛИ (XOR)
3.6. Рекомендации по улучшению работы
алгоритма обратного распространения
3.7. Представление выхода и решающее правило
3.8. Компьютерный эксперимент
3.9. Извлечение признаков
3.10. Обратное распространение ошибки и
дифференцирование
4. Геостатистика. Гибридные методы на основе
ИНС и геостатистики
Список библиографических ссылок
Отзывы
Вопросы
Поделитесь своим мнением об этом товаре с другими покупателями — будьте первыми!
Дарим бонусы за отзывы!
За какие отзывы можно получить бонусы?
- За уникальные, информативные отзывы, прошедшие модерацию
Как получить больше бонусов за отзыв?
- Публикуйте фото или видео к отзыву
- Пишите отзывы на товары с меткой "Бонусы за отзыв"
Задайте вопрос, чтобы узнать больше о товаре
Если вы обнаружили ошибку в описании товара «Введение в нейросетевое моделирование. Учебное пособие» (авторы: Сергеев Александр Петрович, Тарасов Дмитрий Александрович), то выделите её мышкой и нажмите Ctrl+Enter. Спасибо, что помогаете нам стать лучше!