- Артикул:00-01098161
- Автор: С. Хайкин
- ISBN: 5-8459-0890-6
- Тираж: 2000 экз.
- Обложка: Твердая обложка
- Издательство: ВИЛЬЯМС (все книги издательства)
- Город: Москва-Санкт-Петербург-Киев
- Страниц: 344
- Формат: 70х100 1/16
- Год: 2006
- Вес: 506 г
В книге рассматриваются основные парадигмы искусственных нейронных сетей. Представленный материал содержит строгое математическое обоснование всех нейросетевых парадигм, иллюстрируется примерами, описанием компьютерных экспериментов, содержит множество практических задач, а также обширную библиографию.
В книге также анализируется роль нейронных сетей при решении задач распознавания образов, управления и обработки сигналов. Структура книги очень удобна для разработки курсов обучения нейронным сетям и интеллектуальным вычислениям,
Книга будет полезна для инженеров, специалистов в области кампьютершлх наук, физиков и специалистов в других областях, а также для всех тех, кто интересуется искусственными нейронными сетями.
Содержание третьей части
12. Нейродинамическое программирование
12.1. Введение
12.2. Марковский процесс принятия решений
12.3. Критерий оптимальности Беллмана
12.4. Итерация по стратегиям
12.5. Итерация по значениям
12.6. Нейродинамическое программирование
12.7. Приближенный алгоритм итерации по стратегиям
12.8. Q-обучение
12.9. Компьютерный эксперимент
12.10. Резюме и обсуждение
13. Временная обработка с использованием сетей прямого распространения
13.1. Введение
13.2. Структуры кратковременной памяти
13.3. Сетевые архитектуры для временной обработки
13.4. Фокусированные сети прямого распространения с задержкой по времени
13.5. Компьютерное моделирование
13.6. Универсальная теорема миопического отображения
13.7. Пространственно-временные модели нейрона
13.8. Распределенные сети прямого распространения с задержкой по времени
13.9. Алгоритм обратного распространения во времени
13.10. Резюме и обсуждение
14. Неиродинамика
14.1. Введение
14.2. Динамические системы
14.3. Устойчивость состояний равновесия
14.4. Аттракторы
14.5. Нейродинамические модели
14.6. Управление аттракторами как парадигма рекуррентных сетей
14.7. Модель Хопфилда
14.8. Компьютерное моделирование
14.9. Теорема Коэна-Гроссберга
14.10. Модель BSB
14.11. Компьютерное моделирование
14.12. Странные аттракторы и хаос
14.13. Динамическое восстановление
14.14. Компьютерное моделирование
14.15. Резюме и обсуждение
15. Динамически управляемые рекуррентные сети
15.1. Введение
15.2. Архитектуры рекуррентных сетей
15.3. Модель в пространстве состояний
15.4. Нелинейная автоагрессия с внешней моделью входов
15.5. Вычислительная мощность рекуррентных сетей
15.6. Алгоритмы обучения
15.7. Обратное распространение во времени
15.8. Рекуррентное обучение в реальном времени
15.9. Фильтр Калмана
15.10. Несвязный расширенный фильтр Калмана
15.11. Компьютерное моделирование
15.12. Обращение в нуль градиентов в рекуррентных сетях
15.13. Системная идентификация
15.14. Адаптивное управление на основе эталонной модели
15.15. Резюме и обсуждение
16. Заключение
16.1. Интеллектуальные системы
Библиография
Предметный указатель