Бодянский В.Е., Руденко Г.О. - ИНС архитектура обучение применение, страница 57
Описание файла
DJVU-файл из архива "Бодянский В.Е., Руденко Г.О. - ИНС архитектура обучение применение", который расположен в категории "". Всё это находится в предмете "нейросетевое моделирование сложных технических систем" из 11 семестр (3 семестр магистратуры), которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "книги и методические указания", в предмете "нейросетевое моделирование сложных технических систем" в общих файлах.
Просмотр DJVU-файла онлайн
Распознанный текст из DJVU-файла, 57 - страница
393. Вас1 А. Р., Тяо! А. С. Хоп11пеаг яуяет Ыепб6са1юп ия1пд пш161ауег регсер1гопз тий 1оса11у гесиггеп1 зупар11с Ягпс1иге / ЕсЬ. Ьу 8. У. Кип8, Р. Ра11я1с1е, !. Аа. 8огепяоп, С. А. Каппп "Хейга! Хе1вог1ь !ог Яапа! Ргосеяя1пд 2". — МХ.: !ЕЕЕ Ргезз, 1992. — Р. 444-453. 394. ВасКА. О., Тяо1 А. С. А ятр11!1ес1 дгайепг а1догйЬт !ог !!К яупаряе пш161ауег регсер1гоп // Ь1еига! Сотри1абоп. — 1993. — 5. — Р. 456-462. 395.
Тяо! А. С., ВасК А. О. Ьоса11у гесиггепг 81оЬа11у !ееНогъчагс1 пе1жоЖя а сг16са! ге пе м о!' агсЬ11есшгея // 1ЕЕЕ Тгапя. оп Хейга! Хе1жог1ь. — 1994. — 5. — Р. 229 — 239. 396. ХоЬаяоп С, !. Адарй~ е !!К 611ег1п8: сиггеп! геяп1гя апс1 орел !яяпея // 1ЕЕЕ Тгапя. оп !и!'. ТЬеогу. — 1984. — 30. — Р.
229-250. 397. Сатро1исс1 Р., 13пс1ш А., Р1ахха Р., Као В. Р. Оп-1ше 1еагшпд а1дог1йшя !ог 1оса11у гесиггепг перга! пе1жогЫ // !ЕЕЕ Тгапя. оп Хейга! Ме!жозя. — 1999.— 10. — Р. 253 — 269. 398. Бодянский Е. В., Запорожец О. В., Островская Ж. Н.
Адаптивный нейрорегулятор пониженного порядка // Вестник Харьковского государственного политехнического университета. — Харьков: ХГПУ. — 1999.— Вып.70. — С.112-117. 399. Бодянский Е. В., Кулишова Н, Е., Плисс И. П., Штефан А. Стабилизация вращения прецизионного привода с помощью нейрорегулятора // Вестник Харьковского государственного автомобильно-дорожного технического университета.- 2000.- Вып.12-13.- С. 218-221. 400. Бодянский Е. В., Запорожец О.
В. Адаптивный нейрорегулятор для нелинейного динамического объекта // Изв. РАН. Теория и системы управления. — 2002. — №2. - С. 92 — 96. 401. Бодянский Е. В., Вороновский Г. К., Любчик Л. М. Синтез нейросетевых регуляторов с адаптивной прогнозирующей моделью для систем управляемого теплоснабжения // В1сник Нацюнального тех н1чного ун1верситету «Харк1вський пол 1техн1чний 1нститут». Системний анал1з, 365 управл)ння та 1нформац1йн1 технологй. — Харк1в: НТУ "ХП1". — 2002. — № 13.— С. 9-15. 402. Руденко О.
Г., Бессонов А. А. Нейроуправление нелинейными объектами на основе радиально-базисных сетей // Вестник Херсонского госуд. технического университета. — 2003. — №2(18). — С. 42-47. 403. Руденко О. Г., Шамраев А. А. Нейроуправление нелинейными динамическими объектами на основе многослойного персептрона // Адаптивн1 системи автоматичного управл1ння. — Дн1пропетровськ: Системн1 технологй.— 2002.
— Вип. 5(25). — С. 100-107. 404. Ряа1йя О., %дега А., Уагпапшга А. А. А пш161ауегед пеига1 пеЬчогК сопгго11ег // 1ЕЕЕ Сопгго1 8узгепь Мадалене. — 1988. — 1. — Р. 17 — 21. 405. Ндпг К. 1., ЯЬагЬаго В., ХЬйоязЫ К., Оавйгор Р. Т. Меига1 пегвог1св 1ог сопгго1 яувгепь — А гшгчеу // Аигогпайса. — 1992. — 28.
— Р. 1083-1112. 406. Со11па-Мог1ея Е., Могт М. Хеига1 легкого — Ьазес1 адарйче сопгго1 деядп // 1. Буяг. Епд. — 1993. — 2. — Р. 9-14. 407. 1яеппапп й.. Р181га1е Кеде1кувгегпе. Вапг1 1: Стппс11адеп Регепп1п1~гьсЬе Кеде1ипдеп. — Вегйп: Ярппдег — Чег1ад, 1988. — 340 Я. 408. Нае881ипс1 Т. Ас1арггче сопгго1 о1 вузГепь гшЬ)есГ го 1аггде рагагпегег сЬап8ея // Ргос.
1РАС. 9-гЬ Тгг1епп1а1 Жогж Сопиева - ВЫарезг, 1984. - Р.993- 998. 409. Хопе8а 1. К., %ап8 Н. А йгесг ас1арб~е пеига1-пегжог1с сопгго1 1ог шйпоъчп поп11пеаг яуягепь апд 1ь арр11сайоп //1ЕЕЕ Тгапз, оп Хеига1 Хегжог1гя.— 1998. — 9. — Р. 27-34. 410. Хеига1 8узгепь |ог СопГго1 / Еба. Ьу О. Опис1чаг, 1).
1.. Е111оп. — Кап Р1едо: Асас1еппс Ргеяз, 1997. — 358 р. 366 СОДЕРЖАНИЕ СОДЕРЖАНИЕ Введение 1 Искусственные нейроны 1 1 Биологические основы 29 29 30 31 131 142 143 145 367 1.2 Нейрон Маккалоха-Питтса . 1,3 Квадратичный нейрон 1.4 Обобщенный формальный нейрон 1.5 Нейрон Фукушимы 1.6 Стохастическая модель нейрона 1.7 Динамические нейроны 2 Персептроны .
2.1 Адалина . 2.2 Персептрон Розенблатга 2.3 Многослойный персептрон 3 Радиально-базисные нейронные сети 4 Обучение нейронных сетей 4.1 Основные парадигмы и правила обучения 4.2 Задачи обучения 4.2,1 Распознавание образов 4.2.2 Ассоциация и кластеризация 4.2.3 Аппроксимация функций . 4.2.4 Управление и оптимизация . 4.2.5 Фильтрация, сглаживание, прогнозирование .........„.. 4.3 Линейные алгоритмы обучения, 4.4 Нелинейные алгоритмы обучения 4.5 Эволюционные алгоритмы обучения 4.5.1 Алгоритмы случайного поиска 4.5.2 Алгоритмы эволюционного планирования ................
4.5.3 Генетические алгоритмы 4.6 Алгоритм обучения на основе обратного распространения ошибок ..............................,.... 4.7 Алгоритмы самообучения 4,7.1 Правило обучения Д. Хэбба 4,7.2 Входная звезда С. Гроссберга 3 11 11 13 17 17 22 24 24 41 41 44 44 45 46 48 49 51 72 95 96 117 127 148 149 151 153 156 157 160 166 6 Š— Н нейронные сети 174 176 9.3 Сеть Элмена 249 260 368 4.7.3 Выходная звезда .............,............,.........................
4.7.4 Потенциальное правило обучения С. Амари .................. 4.7.5 Правило обучения 3. Оя . 4.7,6 Нейроны для предварительной обработки информации .... 4.7.7 Самоорганизация центров радиально-базисных нейронных сетей 4.7,8 Конкурентное обучение 5 Функционально связанные сети 7 Каскадно-корреляционные нейронные сети 8 Вероятностные нейронные сети 9 Нейродинамика и рекуррентные сети 9.1 Сеть Хопфилда 9.2 Сеть Хэмминга . 9.4 Сеть Джордана . 9.5 Нейронные сети с временными задержками .. 9.6 Скрытая марковская модель 9.7 Машина Больцмана и обучение отжигом 9.8 Хаос-нейродинамика .
10 Нейронные сети ассоциативной памяти 10.1 Корреляционная матрица-память .........., 10.2 Автомат собственных векторов . 10.3 Ассоциативная память Хопфилда 10.4 Двунаправленная ассоциативная память . 10.5 В Я В-модель 11 Адаптивные резонансные нейронные сети . 12 Нейронные сети опорных векторов 13 Самоорганизующиеся карты 180 181 185 187 189 190 195 197 206 222 223 232 234 237 240 242 СОДЕРЖАНИЕ 14 Нейронные сети векторного квантования 269 274 15 Нейронные сети встречного распространения 281 16 Ансамбли нейронных сетей 17 Кодирование сигналов в искусственных нейронных сетях 291 297 18 Нейросетевая компрессия данных 303 20 Анализ квазипериодических последовательностей 311 21 Обнаружение изменений свойств стохастических последовательностей с помощью нейросетевого подхода 316 324 22 Нейросетевая идентификация динамических систем 23 Управление на основе нейронных сетей 343 Заключение .
344 Список литературы 369 19 Прогнозирование временных рядов с помощью нейронных сетей . .
