Домівка

Штучні нейронні мережі

Тимощук П. В.
Код: 978-617-607-063-4
Навчальний посібник. Львів: Видавництво Львівської політехніки, 2011. 444 с. Формат 145 х 200 мм. М'яка обкладинка.
Ціна:270,00грн.
Друк на вимогу
Weight: 0 кг

Штучні нейронні мережі, нейрокомп’ютери або паралельно розподілені процесори є спробою хоча б часткового моделювання структури і функцій мозку та нервових систем живих істот. Теорія нейронних мереж, яка інтенсивно розвивається приблизно з середини минулого століття, вивчає методи створення їхніх аналогових і дискретних математичних моделей, а також відповідних структурно-функціональних та принципових схем, призначених для виконання цих завдань. Викладено основи теорії штучних нейронних мереж та деякі приклади їхнього застосування. Зокрема, розглянуто математичні основи штучних нейронних мереж, їхню архітектуру та електронну реалізацію, стабільність функціонування мереж, мережі лінійного, квадратичного програмування та лінійних доповнювальних задач, алгоритми оптимізації без обмежень і навчальні алгоритми, мережі нелінійних задач оптимізації з обмеженнями, мережі задач дискретної та комбінаторної оптимізації, мережі ідентифікації сигналів і систем, методи моделювання нейронних осциляторів.
Для магістрів спеціальності 8.080402 “Інформаційні технології проектування”, а також магістрів і студентів інших технічних спеціальностей.

Зміст

Передмова.

Розділ 1. МАТЕМАТИЧНІ ОСНОВИ НЕЙРОННИХ МЕРЕЖ.
1.1. Лінійна матрична алгебра.
1.2. Елементи аналізу з багатьма змінними.
1.3. Прямий метод Ляпунова.
1.4. Алгоритми оптимізації без обмежень.
1.5. Задача нелінійного програмування з обмеженнями.
Контрольні запитання та завдання.

Розділ 2. АРХІТЕКТУРА ТА ЕЛЕКТРОННА РЕАЛІЗАЦІЯ НЕЙРОННИХ МЕРЕЖ.
2.1. Біологічний нейрон.
2.2. Базові моделі штучних нейронів.
2.3. Моделі штучних нейронних мереж.
2.4. Багатошаровий персептрон типу “feedforward”.
2.5. Нейронна мережа Хопфілда та її модифікації.
Контрольні запитання та завдання.

Розділ 3. СТАБІЛЬНІСТЬ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ .
3.1. Стабільність нейронних мереж неперервного часу.
3.2. Стабільність нейронних мереж дискретного часу.
3.3. Глобальна стабільність аналогових нейронних мереж.
3.4. Глобальна стабільність дискретних нейронних мереж.
3.5. Глобальна стабільність штучних нейронних мереж із змінною структурою.
Контрольні запитання та завдання.

Розділ 4. НЕЙРОННІ МЕРЕЖІ ЛІНІЙНОГО, КВАДРАТИЧНОГО ПРОГРАМУВАННЯ
ТА ЛІНІЙНИХ ДОПОВНЮВАЛЬНИХ ЗАДАЧ.
4.1. Формулювання задач.
4.2. Нейронні мережі лінійного програмування.
4.3. Нейронні мережі випуклого квадратичного програмування.
4.4. Нейронні мережі лінійних доповнювальних задач.
Контрольні запитання та завдання.

Розділ 5. АЛГОРИТМИ ОПТИМІЗАЦІЇ БЕЗ ОБМЕЖЕНЬ ТА НАВЧАЛЬНІ АЛГОРИТМИ.
5.1. Алгоритми оптимізації без обмежень на основі диференційних рівнянь першого порядку.
5.2. Оптимізація без обмежень за допомогою систем диференційних рівнянь другого порядку.
5.3. Рекурсивні навчальні алгоритми типу “back-propagation”.
5.4. Алгоритми зворотного поширення з неевклідовими сигналами похибки.
5.5. Узагальнений навчальний алгоритм окремого нейрона.
Контрольні запитання та завдання.

Розділ 6. НЕЙРОННІ МЕРЕЖІ НЕЛІНІЙНИХ ЗАДАЧ ОПТИМІЗАЦІЇ З ОБМЕЖЕННЯМИ.
6.1. Нейронні мережі оптимізації з обмеженнями у вигляді простих меж.
6.2. Нейронні мережі методів зовнішніх штрафних функцій.
6.3. Нейронні мережі методів бар’єрних функцій.
6.4. Нейронні мережі методів підсилених множників Лагранжа.
6.5. Нейронні мережі оптимізації найменшого абсолютного відхилення.
6.6. Нейронні мережі мінімаксної оптимізації.
Контрольні запитання та завдання.

Розділ 7. НЕЙРОННІ МЕРЕЖІ ЗАДАЧ ДИСКРЕТНОЇ ТА КОМБІНАТОРНОЇ ОПТИМІЗАЦІЇ.
7.1. Енергетичні функції задач комбанаторної оптимізації.
7.2. Рівняння руху задач комбінаторної оптимізації.
7.3. Задача квадратичного програмування “нуль-один”.
7.4. Задача квадратичного призначення.
7.5. Задача графічного поділу.
7.6. Задача комівояжера.
Контрольні запитання та завдання.

Розділ 8. НЕЙРОННІ МЕРЕЖІ ІДЕНТИФІКАЦІЇ СИГНАЛІВ І СИСТЕМ.
8.1. Нейронні мережі оцінювання параметрів сигналів у реальному часі.
8.2. Нейронна мережа Фур’є.
8.3. Нейронні мережі лінійної регресії та ідентифікації лінійних систем.
8.4. Нейронні мережі часових рядів прогнозу та ідентифікації нелінійних систем.
8.5. Ідентифікація сигналів незалежних джерел “наосліп”.
8.6. Аналогова нейронна схема ідентифікації максимальних сигналів.
8.7. Аналогова нейронна схема ідентифікації К максимальних сигналів.
Контрольні запитання та завдання.

Розділ 9. МОДЕЛЮВАННЯ НЕЙРОННИХ ОСЦИЛЯТОРІВ.
9.1. Моделі автоколивальних систем.
9.2. Моделювання нейронного осцилятора системою диференційних рівнянь із змінною структурою.
9.3. Моделювання нейронного осцилятора різницевими рівняннями із змінною структурою.
9.4. Синхронізація і регуляризація хаотичних коливань нейронних осциляторів.
9.5. Порівняльний аналіз моделей нейронних осциляторів.
Контрольні запитання та завдання.
Список літератури.
Предметний покажчик.

»