Понедельник, 30.01.2023, 05:36

Электронная библиотека системного администратора

Приветствую Вас Гость | RSS
Главная Учебники Регистрация Вход
Реклама


Рубрики

Книги и учебники
Microsoft [186]
Linux, Unix, FreeBSD, Solaris [150]
Oracle [36]
Cisco [41]
IBM [22]
1C [46]
SAS [10]
СУБД и базы данных [56]
Web технологии [127]
Компьютерные сети [125]
Компьютеры, hardware [104]
Защита информации [140]
Программирование [187]
Тестирование ПО [23]
DevOps [20]
Начинающим админам [207]
Общие вопросы по IT [72]
Справочники [202]

Программы
Администрирование [58]
Архиваторы [8]
Безопасность [17]
Полезный софт [32]
Программы для hardware [17]
Работа с DJVU, PDF, FB2 [10]
Сетевые сервисы [17]
Сетевые утилиты [79]

Статистика
Онлайн всего: 2
Гостей: 2
Пользователей: 0


Главная » Учебники » Программирование

Нейронные сети. Полный курс.
Книга Нейронные сети. Полный курс. Скачать бесплатно. Автор - Саймон Хайкин.

Нейронные сети. Полный курс.

Автор - Саймон Хайкин

Нейронные сети, или, точнее, искусственные нейронные сети, представляют собой технологию, уходящую корнями во множество дисциплин: нейрофизиологию, математику, статистику, физику, компьютерные науки и технику. Они находят свое применение в таких разнородных областях, как моделирование, анализ временных рядов, распознавание образов, обработка сигналов и управление благодаря одному важному свойству — способности обучаться на основе данных при участии учителя или без его вмешательства. Книга Саймона Хайкина "Нейронные сети: Полный курс" предлагает исчерпывающее описание нейронных сетей, учитывая многодисциплинарную природу этого предмета.

Представленный в книге материал насыщен примерами, описанием компьютерных экспериментов, содержит множество задач по каждому разделу, а также обширную библиографию. Книга состоит из четырех частей, организованных следующим образом. Вводная часть (главы 1 и 2). В главе 1 на качественном уровне рассматривается сущность нейронных сетей, их свойства, возможности и связь с другими дисциплинами искусственного интеллекта. Глава завершается некоторыми историческими заметками. В главе 2 представлен обзор основных подходов к обучению и их статистических свойств. В этой главе вводится важное понятие измерения Вапника-Червоненкиса, используемое в качестве меры возможности обучаемой машины реализовать семейство функций классификации. Обучение с учителем - основному предмету обсуждения посвящены главы 3-7. В главе 3 рассматривается простейший класс нейронных сетей — сети с одним или несколькими выходными нейронами, не содержащие скрытого слоя. В этой главе рассматриваются алгоритм метода наименьших квадратов (очень популярный при создании линейных адаптивных фильтров) и теорема о сходимости персептрона. В главе 4 приводится исчерпывающее описание многослойного персептрона, обучаемого на основе алгоритма обратного распространения. Этот алгоритм (представляющий собой обобщение метода наименьших квадратов) стал основной рабочей лошадкой нейронных сетей. В главе 5 содержится подробное математическое представление другого класса многослойных нейронных сетей — сетей на основе радиальных базисных функций (RBF-сетей), включающих отдельный слой базисных функций. Основной акцент в этой главе делается на роли теории регуляризации при создании RBF-сетей. В главе 6 рассматривается сравнительно новый класс обучаемых систем, известных под названием машины опорных векторов. Теория таких систем базируется на материале главы 2, посвященном статистической теории обучения. Вторая часть книги завершается главой 7, в которой обсуждаются ассоциативные машины, включающие в качестве своих компонентов несколько отдельно обучаемых систем. В этой главе рассматриваются три различных подхода к построению ассоциативных машин — методы усреднения по ансамблю, усиления и иерархического смешения мнений экспертов. Обучению без учителя посвящены главы 8-12. В главе 8 Хеббовское правило обучения применяется для решения задачи анализа главных компонентов. В главе 9 описывается еще одна форма обучения на основе самоорганизации, — конкурентное обучение, — применяемое для построения вычислительных отображений, получивших название карт самоорганизации. Эти две парадигмы отличаются в основном правилами обучения, уходящими корнями в область нейробиологии. Глава 10 посвящена теории информации, применяемой для создания алгоритмов обучения без учителя, а также их применению к решению задач моделирования, обработки изображений и анализа независимых компонентов. В главе 11 рассматриваются вопросы обучения машин на основе принципов статистической механики. Эта тематика близко примыкает к материалу предыдущей главы, посвященной вопросам теории информации. В главе 12, которая завершает третью часть книги, вводится понятие динамического программирования и анализируется его взаимосвязь с обучением с подкреплением. Нелинейные динамические системы — предмет изучения глав 13-15. В главе 13 описывается класс динамических систем на основе краткосрочной памяти и многослойных нейросетевых структур прямого распространения. В главе 14 основное внимание уделяется вопросам устойчивости, возникающим в нелинейных динамических системах при наличии обратной связи. Приводятся примеры ассоциативной памяти. В главе 15 рассматривается еще один класс нелинейных динамических систем — рекуррентные сети, основанные на использовании обратной связи при построении отображения вход-выход. В заключении кратко анализируется роль нейронных сетей при создании интеллектуальных машин распознавания образов, управления и обработки сигналов. Структура книги обеспечивает большую гибкость при разработке различных курсов обучения нейронным сетям. Выбор конкретных тем для изучения должен определяться только интересами аудитории, использующей эту книгу.

Книга рассчитана на инженеров, специалистов в области компьютерных наук и физиков. Автор надеется, что книга будет интересна также специалистам в других областях, таких как психология и нейробиология.

Издательство – Вильямс

Год издания – 2006

Формат книги - DJVU

Размер - 11,2 Мб

СКАЧАТЬ с gigapeta.com

Или

СКАЧАТЬ с turbobit.net

Или

СКАЧАТЬ с hitfile.net

Категория: Программирование | Добавил: strelsov (27.11.2022)
Просмотров: 82 | Теги: нейронные сети, измерения Вапника-Червоненкиса, Саймон Хайкин, курс по нейронным сетям, RBF-сеть, Нейрофизиология | Рейтинг: 0.0/0
Всего комментариев: 0
Добавлять комментарии могут только зарегистрированные пользователи.
[ Регистрация | Вход ]
Форма входа

Поиск по сайту

Облако тегов
Справочник администратора Уильям Р. Станек cmd Microsoft shell php Windows lan ЛВС vpn SQL СУБД СУБД MySQL Windows PowerShell Java DNS DHCP telnet разработка Web-приложений MySql БД Компьютерные сети Linux Perl информационная безопасность СУБД Oracle ftp xml Интернет BIOS

...

Copyright IT-Ebooks.Ru © 2023