Практика нейросетевого моделирования
В книге рассмотрены теоретические основы моделирования искусственных нейронных сетей различной архитектуры. Приведены алгоритмы обучения однослойных и многослойных сетей прямого распространения, самоорганизующихся и рекуррентных сетей. Рассмотрено моделирование многоагентных систем на основе эволюци...
Сохранить в:
| Главный автор: | |
|---|---|
| Другие авторы: | |
| Формат: | Книга |
| Язык: | Russian |
| Опубликовано: |
Санкт-Петербург
Лань
2021
|
| Редакция: | 2-е изд., стер. |
| Темы: | |
| Online-ссылка: | https://e.lanbook.com/book/173811 https://e.lanbook.com/img/cover/book/173811.jpg |
| Метки: |
Добавить метку
Нет меток, Требуется 1-ая метка записи!
|
| LEADER | 04207nam0a2200361 i 4500 | ||
|---|---|---|---|
| 001 | 173811 | ||
| 003 | RuSpLAN | ||
| 005 | 20221220174128.0 | ||
| 008 | 221220s2021 ru gs 000 0 rus | ||
| 020 | |a 978-5-8114-8264-1 | ||
| 040 | |a RuSpLAN | ||
| 041 | 0 | |a rus | |
| 044 | |a ru | ||
| 080 | |a 32.973я73 | ||
| 084 | |a 004 |2 rubbk | ||
| 245 | 0 | 0 | |a Практика нейросетевого моделирования |c Хливненко Л. В.,Пятакович Ф. А. |
| 250 | |a 2-е изд., стер. | ||
| 260 | |a Санкт-Петербург |b Лань |c 2021 | ||
| 300 | |a 200 с. | ||
| 504 | |a Библиогр.: доступна в карточке книги, на сайте ЭБС Лань | ||
| 520 | 8 | |a В книге рассмотрены теоретические основы моделирования искусственных нейронных сетей различной архитектуры. Приведены алгоритмы обучения однослойных и многослойных сетей прямого распространения, самоорганизующихся и рекуррентных сетей. Рассмотрено моделирование многоагентных систем на основе эволюционирующих нейронных сетей. Приводятся оригинальные методики визуализации внутреннего состояния обученной нейронной сети и решения задач классификации, категоризации, прогнозирования, восстановления зашумленной информации. Даны методологические основы проектирования нейросетевых модулей решения задач в виде компьютерных приложений. Приведены описания структур, интерфейсов и компьютерные коды основных блоков нейросетевых приложений. Описаны методы комбинирования градиентных и стохастических алгоритмов обучения для повышения эффективности решения практических задач. Приводятся оригинальные методики решения задач распознавания образов, прогнозирования курсов валют, задач медицинской диагностики. Рассмотрены методы и способы оценки эффективности разработанных нейросетевых моделей. Издание может быть использовано в курсах «Проектирование интеллектуальных систем», «Компьютерные технологии в медико-биологической практике», «Автоматизация обработки медицинской ин-формации», «Управление в биотехнических системах». Может быть, по-лезно также для научных работников, специализирующихся в области разработки автоматизированных систем искусственного интеллекта и когнитивного моделирования процессов принятия решений. | |
| 521 | 8 | |a Книга из коллекции Лань - Информатика | |
| 653 | 0 | |a нейронная сеть | |
| 653 | 0 | |a нейросетевой модуль | |
| 653 | 0 | |a многоагентная система | |
| 653 | 0 | |a архитектура | |
| 653 | 0 | |a стохастический алгоритм | |
| 653 | 0 | |a проектирование | |
| 100 | 1 | |a Хливненко Л. В. | |
| 700 | 1 | |a Пятакович Ф. А. | |
| 856 | 4 | |u https://e.lanbook.com/book/173811 | |
| 856 | 4 | 8 | |u https://e.lanbook.com/img/cover/book/173811.jpg |
| 953 | |a https://e.lanbook.com/img/cover/book/173811.jpg | ||