Эксоцман
на главную поиск contacts

Основные концепции нейронных сетей

Опубликовано на портале: 24-05-2003
Изд-во: Вильямс, 2002, cерия "Основы вычислительных систем", 288 с.

Эта книга является первой в полном курсе по нейронным сетям. Ее целью является раскрытие основных понятий и изучение основных моделей нейронных сетей с глубиной, достаточной для того, чтобы опытный программист мог реализовать такую сеть на том языке программирования, который покажется ему предпочтительнее.

В книге рассматриваются основные модели нейронных сетей, важные для понимания основ изучаемого предмета, и обсуждаются связи между нейронными сетями и традиционными понятиями из области искусственного интеллекта.

Благодарности

Глава 1. Введение
1.1. Введение
1.2. Основные компоненты
1.3. Обучение нейронной сети
1.4. Простой пример обучения
1.4.1. Вывод уравнений для m и c
1.5. Резюме
1.6. Дополнительная литература
1.7. Упражнения

Глава 2. Классификация образцов
2.1. Приложения
2.2. Основные идеи
2.2.1. Функция выбора решения
2.2.2. Корректировка весов
2.2.3. Минимизация квадрата ошибки
2.3. Линейные и нелинейные проблемы
2.4. Обучение по алгоритму обратного распространения ошибок
2.4.1. Немного теории
2.4.2. Алгоритм обратного распространения ошибок
2.4.3. Практические рекомендации
2.5. Использование сети с обратным распространением ошибок
2.5.1. Классификация чисел
2.5.2. Классификация символов
2.5.3. Прогнозирование погоды
2.6. Сети с радиальными базисными функциями
2.7. Резюме
2.8. Дополнительная литература
2.9. Упражнения

Глава 3. Кластеризация образцов
3.1. Основные идеи
3.2. Самоорганизующаяся карта признаков
3.2.1. Алгоритм
3.2.2. Обучение сети SOFM
3.2.3. Дополнительные сведения о сети SOFM
3.3. Эксперимент
3.4. Резюме
3.5. Дополнительная литература
3.6. Упражнения

Глава 4. Ассоциация образцов
4.1. Введение
4.2. Дискретная сеть Хопфилда
4.2.1. Функция энергии
4.3. Двунаправленная ассоциативная память
4.4. Автоассоциативное обратное распространение ошибок
4.5. Резюме
4.6. Дополнительная литература
4.7. Упражнения

Глава 5. Рекуррентные сети
5.1. Введение
5.2. Обратное распространение во времени
5.3. Простая рекуррентная сеть
5.3.1. Применение сети SRN
5.4. Резюме
5.5. Дополнительная литература
5.6. Упражнения

Глава 6. Другие модели сетей и практические вопросы
6.1. Введение
6.2. Сети, использующие статистический подход
6.2.1. Метод модельной "закалки"
6.2.2. Вероятностные нейронные сети
6.3. Пример модульной нейронной сети
6.4. Практические вопросы обучения нейронных сетей
6.4.1. Выбор модели сети
6.4.2. Архитектура
6.4.3. Данные
6.4.4. Локальные минимумы
6.4.5. Обобщение
6.5. Резюме
6.6. Дополнительная литература
6.7. Упражнения

Глава 7. Связь с искусственным интеллектом
7.1. Введение
7.2. Природа интеллекта
7.2.1. Знание и представление
7.2.2. Рассуждения
7.2.3. Обучение
7.3. Гипотеза символьных систем
7.3.1. Поиск
7.3.2. Продукционные системы
7.4. Представление с помощью символов
7.4.1. Исчисление высказываний
7.4.2. Исчисление предикатов
7.4.3. Другие символьные языки
7.4.4. Язык Prolog
7.5. Понимание речи
7.5.1. Синтаксический анализ
7.5.2 Семантический анализ
7.6. Символьные связи нейронных сетей
7.7. Резюме
7.8. Дополнительная литература
7.9. Упражнения

Глава 8. Синтез символов с помощью нейронных сетей
8.1. Нейронные сети в символьной форме
8.2. Рекурсивная автоассоциативная память
8.2.1. Обучение RAAM
8.3. Представления нейронных сетей
8.3.1 Локальные и распределенные представления
8.3.2. Пространственное сохранение структуры
8.3.3. Контекст
8.3.4. Символьное представление и представление нейронных сетей
8.4. Обработка речи
8.4.1. Синтаксический анализ
8.4.2. Преобразование предложений
8.4.3. Завершенные модели
8.5. Другие вопросы, касающиеся представлений
8.5.1. Обобщение
8.5.2. Проблема обоснования символов
8.6. Возможность машинного общения
8.7. Резюме
8.8. Дополнительная литература
8.9. Упражнения

Предметный указатель