URSS.ru - Издательская группа URSS. Научная и учебная литература
Об издательстве Интернет-магазин Контакты Оптовикам и библиотекам Вакансии Пишите нам
КНИГИ НА РУССКОМ ЯЗЫКЕ


 
Вернуться в: Каталог  
Обложка Горбань А.М. Обучение нейронных сетей
Id: 69591
 

Обучение нейронных сетей

1990. 160 с. Мягкая обложка. Букинист. Состояние: 4. .
Обращаем Ваше внимание, что книги с пометкой "Предварительный заказ!" невозможно купить сразу. Если такие книги содержатся в Вашем заказе, их цена и стоимость доставки не учитываются в общей стоимости заказа. В течение 1-3 дней по электронной почте или СМС мы уточним наличие этих книг или отсутствие возможности их приобретения и сообщим окончательную стоимость заказа.

 Аннотация

Рассматриваются обучаемые нейронные сети. Дан обзор алгоритмов обучения, основанных на принципе двойственности. С помощью описанных алгоритмов достигнуто ускорение обучения в 10000 и более раз по сравнению с методом обратного распространения ошибки.

Книга может служить для первого знакомства с нейрокомпьютерами и предназначена для научных работников, аспирантов и студентов, интересующихся этим новым направлением в информатике и вычислительной технике.


 ОГЛАВЛЕНИЕ

Предисловие....................... 3

1. перечень элементов.................. 8

2. Нейрон........................ 9

2.1. Функционирование нейрона........... 9

2.2. Обучение нейрона............... 10

2.3. Сложный нейрон как сеть простых........ 11

3. Сумматоры...................... 14

4. Синапс........................ 15

4.1. Функционирование синапса........... 15

4.2. Обучение синапсов и коннекционизм....... 17

5. Входы, выходы и функционирование........... 20

5.1. -В ходы и выходы................ 2 0

5.2. Сети периодического функционирования..... 2 1

5.3. Сети непрерывного функционирования...... 22

6. оценки и примеры................... 23

6.1. Оценки одного акта функционирования...... 2 3

6.2. оценки для нескольких обучающих примеров.. 24

7. Градиенты и двойственность.............. 26

7.1. Обучение как оптимизация........... 26

7.2. двойственное функционирование сетей автоматов

при вычислении градиентов сложных функций... 26

7.3. двойственное функционирование сетей автоматов. Обобщения................... 3 7

7.4. смысл двойственных переменных......... 4 7

7.5. обратное функционирование нейронных сетей... 49

7.6. Back-back процедура.............. 63

7.7. Несколько заключительных замечаний о двойственности................ 67

8. Анализ чувствительности............... 69

8.1. Зачем нужен анализ чувствительности...... 69

8.2. Определение чувствительности по производным функции оценки................ 7 0

8.3. Анализ чувствительности по прямому функционированию................

8.4. Системы, элементы которых линейны по параметрам 72

8.5. Формирование списка параметров, к изменениям которых система наиболее чувствительна.... 74

9. Контрастирование сети................77

9.1. Контрастирование для интерпретации навыков сети 77

9.2. Контрастирование для технической реализации нейрокомпьютера................ 77

9.3. Как проводить контрастирование........ 78

9.4. Сглаживание характеристик - средство для улучшения интерполяционных и экстраполяционных навыков....................80

10. Алгоритмы обучения................. 83

10.1. Обучение нейронных сетей и алгоритмы оптимизации......................83

10.2. способ предъявления примеров и принцип постраничного обучения............ 84

10.3. две идеологии в построении обучения сетей : популяционная и генетическая.........8 7

10.4. Операции, выполняемые сетью......... 89

10.5. Учет ограничений при обучении........ 95

10.6. Одномерная оптимизация............ 96

10.7. двумерная оптимизация........... 100

10.8. Наискорейший спуск, случайный поиск и партан-методы................ ЮЗ

10.9. Использование back-back процедуры для ускорения обучения •.................. 106

10.10. Одношаговый квазиньютоновский метод и сопряженные градиенты............ 108

10.11. метод сопряженных направлений, не использующий производных................. 110

10.12. Использование случайных возмущений для ускорения обучения............. 113

10.13. Температура сети и энергия активации параметров................. 115

10.14. Ипользование случайных возмущений для формирования устойчивых навыков и для создания условий дальнейшего обучения........ 117

10.15. Несколько слов о философии оптимизации.. 118

10.16. Метод виртуальных частиц......... 120

10.17. Монотонные сети, двузначная оценка и правило Хебба.................... 123

10.18. Четыре типа устойчивости......... 138

11. Опыт реализации.................. 143

11.1. Краткая справка о том, как обучение было ускорено в 10000 раз............ 143

11.2. Пакет CLAB : пакет программ для создания нейросетевого бинарного классификатора на базе

ЭВМ IBM PC /AT................ 144

11.2.1. Нейросеть.............. 144

11.2.2. Задача бинарной классификации.... 144

11.2.3. Как создать новую сеть?....... 145

11.2.4. Как создать задачник?........ 145

11.2.5. Как обучать нейросеть........ 148

11.2.5.1. Курсоры........... 149

11.2.5.2. Веса............. 149

11.2.5.3. BUMP............. 149

11.2.5.4. "Дырокол ".......... 150

12. Уровни отчуждения нейронной сети......... 152

13. Что осталось за рамками книги?.......... 153

Литература...................... 154

 
© URSS 2016.

Информация о Продавце