Нейрокомпьютеры и их применение

Автор(ы):Галушкин А. И.
06.10.2007
Год изд.:2000
Описание: "Изложена методика синтеза многослойных нейросетей различной структуры: с полными и неполными последовательными связями, функционирующими в режимах обучения, самообучения, обучения с учителями, обладающим конечной квалификацией. Приведены этапы исследования надежности и диагностики нейронных сетей. Для студентов по направлению подготовки бакалавров и магистров "Прикладные математика и физика", а также для научных работников, аспирантов и студентов, занимающихся разработкой сверхвысокопроизводительной вычислительной техники."
Оглавление:
Нейрокомпьютеры и их применение — обложка книги.
Введение [3]
Раздел 1. Структура нейронных сетей [48]
  Глава 1. От логического базиса булевских элементов И, ИЛИ, НЕ к пороговому логическому базису [48]
    1.1. Линейный пороговый элемент (нейрон) [48]
    1.2. Многопороговая логика [51]
    1.3. Непрерывная логика [52]
    1.4. Частные виды функций активации [53]
  Глава 2. Качественные характеристики архитектур нейронных сетей [57]
    2.1. Частные типы архитектур нейронных сетей [57]
    2.2. Многослойные нейронные сети с последовательными связями [60]
    2.3. Структурное и символическое описание многослойных нейронных сетей [62]
  Глава 3. Оптимизация структуры многослойных нейронных сетей с перекрестными связями [69]
    3.1. О критерии сложности задачи [69]
    3.2. Одномерный вариант нейронной сети с перекрестными связями [70]
    3.3. Вывод верхней и нижней оценки количества областей [71]
    3.4. Частная задача оптимизации [74]
    3.5. Оптимизация структуры по некоторым основным топологическим характеристикам [77]
    3.6. Оптимизация структуры многослойных нейронных сетей с Кр решениями [81]
  Глава 4. Континуальные нейронные сети [85]
    4.1. Нейроны с континуумом признаков на входе [85]
    4.2. Континуум нейронов в слое [86]
    4.3. Континуум нейронов слоя и дискретное множество признаков [86]
    4.4. Классификация континуальных моделей слоя нейронов [87]
Раздел 2. Оптимальные модели нейронных сетей [93]
  Глава 5. Исследование характеристик входных сигналов нейронных сетей [93]
    5.1. Постановка задачи [93]
    5.2. Совместный закон распределения вероятностей входного сигнала для двух классов образов [95]
    5.3. Совместный закон распределения вероятностей входного сигнала для К классов образов [102]
  Глава 6. Построение оптимальных моделей нейронных сетей [107]
    6.1. Общая структура оптимальной модели [107]
    6.2. Аналитическое представление разделяющих поверхностей в типовых нейронных сетях [108]
    6.3. Оптимальная модель нейронной сети для многомерных сигналов (?) и (?) [133]
    6.4. Априорная информация о входном сигнале нейронной сети в режиме самообучения [136]
    6.5. О критериях первичной оптимизации нейронной сети в режиме самообучения [138]
    6.6. Оптимальные модели нейронной сети в режиме самообучения и при произвольной квалификации учителя [141]
  Глава 7. Анализ разомкнутых нейронных сетей [146]
    7.1. Законы распределения аналоговой и дискретной ошибок нейронной сети [146]
    7.2. Выбор функционала вторичной оптимизации [155]
    7.3. О выборе функционала вторичной оптимизации в системе «Адалин» [157]
    7.4. Формирование функционалов вторичной оптимизации, соответствующих заданному критерию первичной оптимизации [158]
    7.5. Континуальные модели нейронной сети [162]
    7.6. Нейронная сеть в режимах самообучения и при произвольной квалификации учителя [168]
  Глава 8. Разработка алгоритмов поиска экстремума функций многих переменных [169]
    8.1. Организация процедуры поиска экстремума функционала вторичной оптимизации в многослойных нейронных сетях [169]
    8.2. Анализ итерационного метода поиска экстремума функций многих переменных [170]
    8.3. О методе стохастической аппроксимации [173]
    8.4. Итерационные методы поиска экстремума функций многих переменных при наличии ограничений типа равенств на переменные [173]
    8.5. Итерационные методы поиска экстремума функций многих переменных при наличии ограничений типа неравенств на переменные [179]
    8.6. Алгоритм случайного поиска локальных и глобального экстремумов функций многих переменных [181]
    8.7. Построение алгоритмов адаптации в многослойных нейронных сетях с использованием оценок производных второго порядка функционала вторичной оптимизации [184]
Раздел 3. Адаптивные нейронные сети [190]
  Глава 9. Алгоритмы настройки нейронных сетей [190]
    9.1. Постановка задачи [190]
    9.2. Нейрон с двумя и континуумом решений [191]
    9.3. Двухслойные нейронные сети [195]
    9.4. Многослойные нейронные сети из нейронов с континуумом решений [197]
    9.5. Построение нейронных сетей, настраивающихся по замкнутому циклу при ограничениях на переменные [199]
    9.6. Реализация критериев первичной оптимизации в нейронах с двумя решениями [201]
    9.7. Реализация критерия минимума средней функции риска в нейронах с континуумом и (?) решениями [203]
    9.8. Реализация критерия минимума средней функции риска в нейронных сетях с (?) выходными каналами (слой нейронов) [205]
    9.9. Реализация критерия минимума средней функции риска в многослойных нейронных сетях [207]
    9.10. Построение замкнутых нейронных сетей нестационарных образов [209]
    9.11. Построение нейронных сетей с перекрестными и обратными связями, настраивающихся по замкнутому циклу [211]
    9.12. Построение замкнутых нейронных сетей в режимах самообучения и произвольной квалификации учителя [213]
    9.13. Вывод выражений для оценок производных второго порядка функционала вторичной оптимизации [215]
  Глава 10. Настройка континуальных нейронных сетей [219]
    10.1. Настройка нейрона с континуумом признаков [220]
    10.2. Настройка слоя, состоящего из континуума нейронов [220]
    10.3. Выбор параметрической матрицы для процедуры обучения континуального слоя нейронов на основе данных случайных выборок [220]
    10.4. Выбор параметрической функции К* (?) на основе данных случайных выборок для процедуры обучения нейрона с континуумом признаков [223]
    10.5. Особенности алгоритма настройки континуальной двухслойной нейронной сети [225]
    10.6. Три варианта реализации весовых функций континуального слоя нейронов и соответствующие им процедуры обучения [226]
    10.7. Алгоритм обучения двухслойной континуальной нейронной сети с функционалом вторичной оптимизации (?) [229]
    10.8. Континуальный слой нейронов с кусочно-постоянными весовыми функциями [231]
    10.9. Континуальный слой нейронов с кусочно-линейными весовыми функциями [233]
    10.10. Континуальный слой нейронной сети с кусочно-постоянными весовыми функциями [235]
  Глава 11. Выбор начальных условий при настройке нейронных сетей. Типовые входные сигналы многослойных нейронных сетей [238]
    11.1. 0 методах выбора начальных условий [238]
    11.2. Алгоритм детерминированного выбора начальных условий в алгоритмах настройки многослойных нейронных сетей [241]
    11.3. Выбор начальных условий в многослойных нейронных сетях [244]
    11.4. Типовые входные сигналы многослойных нейронных сетей [249]
  Глава 12. Исследование замкнутых многослойных нейронных сетей [252]
    12.1. Постановка задачи синтеза контура настройки многослойных нейронных сетей по замкнутому циклу [252]
    12.2. Исследование нейрона при многомодальном распределении входного сигнала [253]
    12.3. Исследование динамики частного вида нейронных сетей для распознавания нестационарных образов [263]
    12.4. Исследование динамики трехслойной нейронной сети в режиме обучения [269]
    12.5. Исследование нейронной сети частного вида с обратными связями [274]
    12.6. Исследование динамики однослойных нейронных сетей в режиме самообучения [278]
    12.7. Двухслойная нейронная сеть в режиме самообучения [286]
    12.8. 0 некоторых инженерных методах выбора параметров матриц в алгоритмах настройки многослойных нейронных сетей по замкнутому циклу [296]
    12.9. Построение многослойной нейронной сети для решения задачи обращения матрицы [297]
    12.10. Построение многослойной нейронной сети для решения задачи перевода чисел из двоичной системы исчисления в десятичную [300]
    12.11. Исследование многослойной нейронной сети при произвольной квалификации учителя [301]
    12.12. Аналитические методы исследования нейронных сетей, настраивающихся по замкнутому циклу [303]
  Глава 13. Синтез многослойных нейронных сетей с переменной структурой [315]
    13.1. Последовательный алгоритм обучения нейронов первого слоя многослойной нейронной сети [315]
    13.2. Алгоритм обучения нейронов первого слоя многослойной нейронной сети с применением метода случайного поиска локальных и глобального экстремумов функций [320]
    13.3. Анализ сходимости алгоритмов при увеличении числа гиперплоскостей [324]
    13.4. Алгоритм обучения нейронов второго слоя двухслойной нейронной сети [328]
    13.5. Алгоритм обучения второго и третьего слоев нейронов трехслойной нейронной сети [337]
    13.6. Общая методика последовательного синтеза многослойных нейронных сетей [340]
    13.7. Метод обучения нейронов первого слоя многослойной нейронной сети с континуумом признаков [341]
    13.8. Использование алгоритма настройки многослойных нейронных сетей с переменной структурой для решения задачи выбора начальных условий [342]
    13.9. Об алгоритме самообучения многослойных нейронных сетей с переменной структурой [343]
  Глава 14. Выбор информативных признаков в многослойных нейронных сетях [345]
    14.1. Постановка задачи выбора информативных признаков в режиме обучения [345]
    14.2. 0 структурных методах выбора информативных признаков в многослойных нейронных сетях с фиксированной структурой [348]
    14.3. Выбор информативных признаков исходного пространства с помощью многослойных нейронных сетей с последовательными алгоритмами настройки нейронов первого слоя [352]
    14.4. Минимизация числа нейронов [354]
    14.5. 0 выборе информативных признаков в многослойных нейронных сетях в режиме самообучения [356]
Раздел 4. Надежность и диагностика нейронных сетей [357]
  Глава 15. Надежность нейронных сетей [357]
    15.1. Методы исследования функциональной надежности нейронных сетей [357]
    15.2. Исследование функциональной надежности восстанавливающих органов, выполненных в виде многослойных нейронных сетей [360]
    15.3. Исследование функциональной надежности многослойных нейронных сетей [363]
    15.4. Исследование параметрической надежности нейронных сетей [366]
    15.5. Исследование функциональной надежности многослойных нейронных сетей при наличии катастрофических отказов [376]
  Глава 16. Диагностика нейронных сетей [381]
    16.1. Граф состояний нейронной сети. Основные понятия и определения [383]
    16.2. Алгоритм локализации отказов в нейронных сетях [385]
    16.3. Алгоритм построения минимального теста для отказов типа логических констант на выходах нейронов [395]
    16.4. Метод адаптивной диагностики отказов в нейронных сетях [397]
Заключение [405]
Формат: djvu
Размер:8218104 байт
Язык:RUS
Рейтинг: 279 Рейтинг
Открыть: