купить блоки питания asus

bookbattery.ru

Архитектурные элементы установка, изделия из пенопласта.

petrodar.ru

Большой выбор картриджей покупка картриджей по лучшим ценам.

toner-spb.ru

Нейронные сети

Ф. Уоссермен Нейрокомпьютерная техника

Теория и практика

 

 

ОГЛАВЛЕНИЕ:

ПРЕДИСЛОВИЕ 4
БЛАГОДАРНОСТИ 4
ВВЕДЕНИЕ 5

  • ПОЧЕМУ ИМЕННО ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ? 5
  • СВОЙСТВА ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ 5
  • ИСТОРИЧЕСКИЙ АСПЕКТ 7
  • ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ СЕГОДНЯ 10
  • ПЕРСПЕКТИВЫ НА БУДУЩЕЕ 11
  • ВЫВОДЫ 12
ГЛАВА 1. ОСНОВЫ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ 14
  • БИОЛОГИЧЕСКИЙ ПРОТОТИП 14
  • ИСКУССТВЕННЫЙ НЕЙРОН 16
  • ОДНОСЛОЙНЫЕ ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ 19
  • МНОГОСЛОЙНЫЕ ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ 20
  • ТЕРМИНОЛОГИЯ, ОБОЗНАЧЕНИЯ И СХЕМАТИЧЕСКОЕ ИЗОБРАЖЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ 22
  • ПРОЛОГ 25
ГЛАВА 2. ПЕРСЕПТРОНЫ 26
  • ПЕРСЕПТРОНЫ И ЗАРОЖДЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ 26
  • ПЕРСЕПТРОННАЯ ПРЕДСТАВЛЯЕМОСТЬ 28
  • ОБУЧЕНИЕ ПЕРСЕПТРОНА 36
  • АЛГОРИТМ ОБУЧЕНИЯ ПЕРСЕПТРОНА 37
ГЛАВА 3. ПРОЦЕДУРА ОБРАТНОГО РАСПРОСТРАНЕНИЯ 41
  • ВВЕДЕНИЕ В ПРОЦЕДУРУ ОБРАТНОГО РАСПРОСТРАНЕНИЯ 41
  • ОБУЧАЮЩИЙ АЛГОРИТМ ОБРАТНОГО РАСПРОСТРАНЕНИЯ 42
  • ОБЗОР ОБУЧЕНИЯ 44
  • ДАЛЬНЕЙШИЕ АЛГОРИТМИЧЕСКИЕ РАЗРАБОТКИ 51
  • ПРИМЕНЕНИЯ 52
  • ПРЕДОСТЕРЕЖЕНИЕ 52
ГЛАВА 4. СЕТИ ВСТРЕЧНОГО РАСПРОСТРАНЕНИЯ 55
  • ВВЕДЕНИЕ В СЕТИ ВСТРЕЧНОГО РАСПРОСТРАНЕНИЯ 55
  • СТРУКТУРА СЕТИ 55
  • НОРМАЛЬНОЕ ФУНКЦИОНИРОВАНИЕ 56
  • ОБУЧЕНИЕ СЛОЯ КОХОНЕНА 58
  • ОБУЧЕНИЕ СЛОЯ ГРОССБЕРГА 64
  • СЕТЬ ВСТРЕЧНОГО РАСПРОСТРАНЕНИЯ ПОЛНОСТЬЮ 64
  • ПРИЛОЖЕНИЕ: СЖАТИЕ ДАННЫХ 66
  • ОБСУЖДЕНИЕ 67
ГЛАВА 5. СТОХАСТИЧЕСКИЕ МЕТОДЫ 68
  • ИСПОЛЬЗОВАНИЕ ОБУЧЕНИЯ 68
  • ПРИЛОЖЕНИЯ К ОБЩИМ НЕЛИНЕЙНЫМ ЗАДАЧАМ ОПТИМИЗАЦИИ 75
  • ОБРАТНОЕ РАСПРОСТРАНЕНИЕ И ОБУЧЕНИЕ КОШИ 76
  • ГЛАВА 6. СЕТИ ХОПФИЛДА 81
  • КОНФИГУРАЦИИ СЕТЕЙ С ОБРАТНЫМИ СВЯЗЯМИ 82
  • ПРИЛОЖЕНИЯ 88
  • ОБСУЖДЕНИЕ 88
  • ВЫВОДЫ 88
ГЛАВА 7. ДВУНАПРАВЛЕННАЯ АССОЦИАТИВНАЯ ПАМЯТЬ 88
  • СТРУКТУРА ДАП 88
  • ВОССТАНОВЛЕНИЕ ЗАПОМНЕННЫХ АССОЦИАЦИЙ 88
  • КОДИРОВАНИЕ АССОЦИАЦИЙ 88
  • ЕМКОСТЬ ПАМЯТИ 88
  • НЕПРЕРЫВНАЯ ДАП 88
  • АДАПТИВНАЯ ДАП 88
  • КОНКУРИРУЮЩАЯ ДАП 88
  • ЗАКЛЮЧЕНИЕ 88
ГЛАВА 8. АДАПТИВНАЯ РЕЗОНАНСНАЯ ТЕОРИЯ 88
  • АРХИТЕКТУРА APT 88
  • РЕАЛИЗАЦИЯ APT 88
  • ПРИМЕР ОБУЧЕНИЯ СЕТИ APT 88
  • ХАРАКТЕРИСТИКИ APT 88
  • ЗАКЛЮЧЕНИЕ 88
ГЛАВА 9. ОПТИЧЕСКИЕ НЕЙРОННЫЕ СЕТИ 88
  • ВЕКТОРНО-МАТРИЧНЫЕ УМНОЖИТЕЛИ 88
  • ГОЛОГРАФИЧЕСКИЕ КОРРЕЛЯТОРЫ 88
  • ЗАКЛЮЧЕНИЕ 88
ГЛАВА 10. КОГНИТРОН И НЕОКОГНИТРОН 88
  • КОГНИТРОН 88
  • НЕОКОГНИТРОН 88
  • ЗАКЛЮЧЕНИЕ 88
  • ПРИЛОЖЕНИЕ А. БИОЛОГИЧЕСКИЕ НЕЙРОННЫЕ СЕТИ 88
  • ЧЕЛОВЕЧЕСКИЙ МОЗГ: БИОЛОГИЧЕСКАЯ МОДЕЛЬ ДЛЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ 88
  • ОРГАНИЗАЦИЯ ЧЕЛОВЕЧЕСКОГО МОЗГА 88
  • КОМПЬЮТЕРЫ И ЧЕЛОВЕЧЕСКИЙ МОЗГ 88
  • ПРИЛОЖЕНИЕ Б. АЛГОРИТМЫ ОБУЧЕНИЯ 88
  • ОБУЧЕНИЕ С УЧИТЕЛЕМ И БЕЗ УЧИТЕЛЯ 88
  • МЕТОД ОБУЧЕНИЯ ХЭББА 88
  • ВХОДНЫЕ И ВЫХОДНЫЕ ЗВЕЗДЫ 88
  • ОБУЧЕНИЕ ПЕРСЕПТРОНА 88
  • МЕТОД ОБУЧЕНИЯ УИДРОУ-ХОФФА 88
  • МЕТОДЫ СТАТИСТИЧЕСКОГО ОБУЧЕНИЯ 88
  • САМООРГАНИЗАЦИЯ 88

 

Глава 1.

Основы искусственных нейронных сетей

Искусственные нейронные сети чрезвычайно разнообразны по своим конфигурациям. Несмотря на такое разнообразие, сетевые парадигмы имеют много общего. В этой главе подобные вопросы затрагиваются для того, чтобы читатель был знаком с ними к тому моменту, когда позднее они снова встретятся в книге.

Используемые здесь обозначения и графические представления были выбраны как наиболее широко используемые в настоящее время (опубликованных стандартов не имеется), они сохраняются на протяжении всей книги.

БИОЛОГИЧЕСКИЙ ПРОТОТИП

Развитие искусственных нейронных сетей вдохновляется биологией. То есть рассматривая сетевые конфигурации и алгоритмы, исследователи мыслят их в терминах организации мозговой деятельности. Но на этом аналогия может и закончиться. Наши знания о работе мозга столь ограничены, что мало бы нашлось руководящих ориентиров для тех, кто стал бы ему подражать. Поэтому разработчикам сетей приходится выходить за пределы современных биологических знаний в поисках структур, способных выполнять полезные функции. Во многих случаях это приводит к необходимости отказа от биологического правдоподобия, мозг становится просто метафорой, и создаются сети, невозможные в живой материи или требующие неправдоподобно больших допущений об анатомии и функционировании мозга.

Несмотря на то что связь с биологией слаба и зачастую несущественна, искусственные нейронные сети продолжают сравниваться с мозгом. Их функционирование часто напоминает человеческое познание, поэтому трудно избежать этой аналогии. К сожалению, такие сравнения неплодотворны и создают неоправданные ожидания, неизбежно ведущие к разочарованию. Исследовательский энтузиазм, основанный на ложных надеждах, может испариться, столкнувшись с суровой действительностью, как это уже однажды было в шестидесятые годы, и многообещающая область снова придет в упадок, если не будет соблюдаться необходимая сдержанность.

Несмотря на сделанные предупреждения, полезно все же знать кое-что о нервной системе млекопитающих, так как она успешно решает задачи, к выполнению которых лишь стремятся искусственные системы. Последующее обсуждение весьма кратко. Приложение А содержит более обширное (но ни в коем случае не полное) рассмотрение нервной системы млекопитающих для тех, кто хочет узнать больше об этом восхитительном предмете.

Нервная система человека, построенная из элементов, называемых нейронами, имеет ошеломляющую сложность. Около 1011 нейронов участвуют в примерно 1015 передающих связях, имеющих длину метр и более. Каждый нейрон обладает многими качествами, общими с другими элементами тела, но его уникальной способностью является прием, обработка и передача электрохимических сигналов по нервным путям, которые образуют коммуникационную систему мозга.



Скачать:
Скачать этот файл (neurokomputernaya tehnika.zip)Neurocomputer Technology[ ]950 Kb