Воспользуйтесь формой поиска по сайту, чтобы найти реферат, курсовую или дипломную работу по вашей теме. Нейронные сети
Описание предмета: «Нейронные сети»Искусственная нейронная сеть — это математическая модель, а также устройства параллельных вычислений,
представляющие собой систему из соединенных и взаимодействующих между собой простых процессоров (искусственных
нейронов).
Такие процессоры обычно исключительно просты, особенно в сравнении с процессорами, используемыми в персональных
компьютерах.
Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами,
которые он периодически посылает другим процессорам. И тем не менее, будучи соединёнными в достаточно большую
сеть с управляемым взаимодействием, такие локально простые процессоры вместе способны выполнять довольно
сложные задачи.
Понятие возникло при изучении процессов, протекающих в мозге при мышлении, и при попытке смоделировать эти
процессы. Полученные модели называются искусственными нейронными сетями (ИНС).
Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения -— одно
из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в
нахождении коэффициентов связей между нейронами.
Разработчикам решения на основе нейронной сети требуется:
выбрать соответствующую модель сети;
определить топологию сети (число элементов и их связи);
указать параметры обучения.
Наиболее известным типом ИНС является персептрон. Доказано, что при нелинейной функции в нейроне могут быть
подобраны коэффициенты связей так, что сеть может моделировать любую функцию. Для персептрона общепринятым
является обучение методом обратного распространения ошибки. ИНС применяют при следующих классах задач:
классификация данных, распознавание образов, предсказание временных рядов. Абсолютно точный ответ с помощью ИНС
получить невозможно — например, бессмысленно решать таблицу умножения. Но есть задачи, нерешаемые другим путем
— например предсказание курса акций (много параметров, сложные зависимости). ИНС позволит найти зависимость
выходных данных (курс акции) от входных (предыдущий курс, время года и т. д.). При решении таких задач самым
важным является подбор данных и их подготовка.
Области применения: Распознавание символов текста и других объектов, Распознавание речи, Управление движением
транспортного средства и т. д., Классификация ситуаций, Краткосрочный прогноз.
[Материал из Википедии]
Литература - А.Б. Барский. Логические нейронные сети. – М.: Интернет-университет информационных технологий, Бином. Лаборатория знаний, 2007. – 352 с.
- Г.Э. Яхъяева. Нечеткие множества и нейронные сети. – М.: Интернет-университет информационных технологий, Бином. Лаборатория знаний, 2011. – 320 с.
- З.М. Шибзухов. Конструктивные методы обучения сигма-пи нейронных сетей. – М.: Наука, 2006. – 160 с.
- А.И. Галушкин. Нейронные сети. Основы теории. – М.: Горячая Линия - Телеком, 2012. – 496 с.
- А.Л. Татузов. Нейронные сети в задачах радиолокации. – М.: Радиотехника, 2009. – 432 с.
- Применение искусственных нейронных сетей и системы остаточных классов в криптографии. – М.: ФИЗМАТЛИТ, 2012. – 280 с.
- А.Ю. Дорогов. Теория и проектирование быстрых перестраиваемых преобразований и слабосвязанных нейронных сетей. – М.: Политехника, 2014. – 344 с.
- В.И. Ширяев. Финансовые рынки. Нейронные сети, хаос и нелинейная динамика. – М.: Либроком, 2015. – 232 с.
- Рамиля Латыпова. Нейронные сети. – М.: LAP Lambert Academic Publishing, 2012. – 64 с.
- Аркадий Барский. Нейронные сети логического вывода. – М.: LAP Lambert Academic Publishing, 2011. – 408 с.
- Юрий Иванович Зозуля, М.С.Слетнев und В.Ю.Зозуля. Нейронные сети в промышленных системах. – М.: Palmarium Academic Publishing, 2014. – 440 с.
- Юрий Петрович Качановский und Евгений Алексеевич Коротков. Нейронные сети в решении задачи моделирования и управления. – М.: LAP Lambert Academic Publishing, 2012. – 84 с.
- А.Х. Гелиг, А.С. Матвеев. Введение в математическую теорию обучаемых распознающих систем и нейронных сетей. Учебное пособие. – М.: Издательство СПбГУ, 2014. – 224 с.
- В.И. Ширяев. Финансовые рынки. Нейронные сети, хаос и нелинейная динамика. Учебное пособие. – М.: Либроком, 2016. – 232 с.
- Саймон Хайкин. Нейронные сети. Полный курс. – М.: Вильямс, 2016. – 1104 с.
- Галушкин А.И., Цыпкин Я.З. Нейронные сети. История развития теории. Учебное пособие. – М.: , 2016. – с.
- В.И. Ширяев. Финансовые рынки. Нейронные сети, хаос и нелинейная динамика. – М.: Editorial URSS, 2017. – 232 с.
Образцы работ
Задайте свой вопрос по вашей проблеме
Внимание!
Банк рефератов, курсовых и дипломных работ содержит тексты, предназначенные
только для ознакомления. Если Вы хотите каким-либо образом использовать
указанные материалы, Вам следует обратиться к автору работы. Администрация
сайта комментариев к работам, размещенным в банке рефератов, и разрешения
на использование текстов целиком или каких-либо их частей не дает.
Мы не являемся авторами данных текстов, не пользуемся ими в своей деятельности
и не продаем данные материалы за деньги. Мы принимаем претензии от авторов,
чьи работы были добавлены в наш банк рефератов посетителями сайта без указания
авторства текстов, и удаляем данные материалы по первому требованию.
|