Рекомендуем

Ключевые слова:
Нейронные сети
Принятие решений в условиях неопределенностиДемидова Л.А., Кираковский В.В., Пылькин А.Н. Принятие решений в условиях неопределенности
Основы нейрокибернетикиБлащик Я., Блиновская К., Вуйчик Г. М., Гурецкий А., Дзедзицкая-Василевская М., Дурка П., Дух В., Жигеревич Я., Каминьский В. А., Лазаревич М. Т., Пшеласковский А., Склинда К., Стшелецкий М., Тадеусевич Р., Хесс Г., Чишек Б., Шмяловская М. Основы нейрокибернетики
Моделирование систем управления и информационно-технического обеспеченияДушкин А.В., Новосельцев В.И., Сумин В.И. Моделирование систем управления и информационно-технического обеспечения

Книга

Элементарное введение в технологию нейронных сетей с примерами программ

408 стр.
Формат 70x100/16 (170x240 мм)
Исполнение: в мягкой обложке
ISBN 978-5-9912-0163-6
ББК 30.17
УДК 681.322
Аннотация

Искусственные нейронные сети - одна из наиболее динамично развивающихся и реально используемых на практике ветвей теории искусственного интеллекта. В книге выдающегося европейского специалиста популярно и увлекательно освещаются возможности, структура и особенности работы этих сетей. С помощью описываемых в книге компьютерных программ читатель сможет самостоятельно построить несложные нейронные сети, обучить их и провести захватывающие эксперименты. Автор излагает материал без единой формулы; он ведет диалог с читателем и постепенно подводит его к пониманию механизмов функционирования человеческого мозга и к осознанию перспектив их использования для управления современными техническими и экономическими системами.

Книга предназначена для широкого круга читателей, в первую очередь для молодых специалистов, желающих понять сущность и безграничные перспективы искусственных нейронных сетей.

Оглавление

ПРЕДИСЛОВИЕ К РУССКОМУ ИЗДАНИЮ

1 ВВЕДЕНИЕ В ЕСТЕСТВЕННЫЕ И ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ
1.1. Для чего нужно изучать нейронные сети?
1.2. Что было известно о мозге к началу построения первых нейронных сетей?
1.3. Как создавались первые нейронные сети?
1.4. Почему нейронные сети обладают многослойной структурой?
1.5. Насколько первые нейронные сети были похожи на биологический мозг?
1.6. Какими методами сегодня исследуется мозг, и могут ли нейронные сети помочь в познании тайн человеческого мышления?
1.7. Насколько нейронные сети проще биологических объектов?
1.8. Каковы главные достоинства нейронных сетей?
1.9. Кто и для чего применяет нейронные сети сегодня?
1.10. Смогут ли нейронные сети вытеснить современные компьютеры?
1.11. Может быть, и не надо заниматься нейронными сетями?
1.12. Контрольные вопросы и задания для самостоятельного выполнения

2 СТРУКТУРА НЕЙРОННОЙ СЕТИ
2.1. Как устроена нейронная сеть?
2.2. Как можно изготовить искусственный нейрон?
2.3. Почему не используется точная модель биологического нейрона?
2.4. Как функционирует сеть, состоящая из~искусственных нейронов?
2.5. Как влияет структура нейронной сети на~выполняемые ею функции?
2.6. Как "по-умному" выбирать структуру сети?
2.7. Какой информацией надо "потчевать" сеть?
2.8. Как объяснить сети, где живет слон?
2.9. Как интерпретировать результаты функционирования сети?
2.10. Что лучше получить от сети~--- число или решение?
2.11. Что лучше иметь --- одну сеть с несколькими выходами или несколько сетей с одним выходом?
2.12. Что скрывается в "скрытых" слоях?
2.13. Сколько потребуется нейронов для~построения хорошей сети?
2.14. Контрольные вопросы и задания для~самостоятельного выполнения

3 ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ
3.1. Кто такой учитель, который будет обучать сеть?
3.2. Может ли сеть обучаться самостоятельно?
3.3. Где и как нейронные сети накапливают полученные знания?
3.4. Как организовать обучение сети?
3.5. Почему это иногда не получается?
3.6. Для чего используется момент?
3.7. С чего начинать обучение нейронной сети?
3.8. Как долго надо обучать сеть?
3.9. Как обучать скрытые слои?
3.10. Каким образом сеть может самообучаться?
3.11. Как проводить самообучение сети?
3.12. Контрольные вопросы и задания для самостоятельного выполнения

4 ФУНКЦИОНИРОВАНИЕ ПРОСТЕЙШЕЙ НЕЙРОННОЙ СЕТИ
4.1. Как перейти от теории к практике, или как использовать программы, предназначенные для читателей этой книги?
4.2. Чего можно ожидать от единственного нейрона?
4.3. Что еще можно наблюдать в ходе экспериментов?
4.4. Как справиться с большим количеством входов нейрона?
4.5. Как ведет себя простая линейная нейронная сеть?
4.6. Как построить простую линейную нейронную сеть?
4.7. Как использовать представленную нейронную сеть?
4.8. Как и для чего в нейронную сеть вводится конкуренция?
4.9. Как еще можно использовать нейронную сеть?
4.10. Контрольные вопросы и задания для самостоятельного выполнения

5 ОБУЧЕНИЕ ПРОСТЫХ ЛИНЕЙНЫХ ОДНОСЛОЙНЫХ НЕЙРОННЫХ СЕТЕЙ
5.1. Как построить обучающую выборку?
5.2. Как можно обучать одиночный нейрон?
5.3. Может ли нейрон обладать врожденными способностями?
5.4. Насколько строго надо обучать нейрон?
5.5. Как обучать простую сеть?
5.6. Каковы возможности применения таких простых нейронных сетей?
5.7. Может ли сеть научиться фильтровать сигналы?
5.8. Контрольные вопросы и задания для самостоятельного выполнения

6 НЕЛИНЕЙНЫЕ НЕЙРОННЫЕ СЕТИ
6.1. Зачем нужны нелинейности в сети?
6.2. Как функционирует нелинейный нейрон?
6.3. Как функционирует сеть, состоящая из нелинейных нейронов?
6.4. Как представить функционирование нелинейных нейронов?
6.5. Каковы возможности многослойной нелинейной сети?
6.6. Как протекает обучение нелинейного нейрона?
6.7. Какие исследования можно проводить в процессе обучения нейрона?
6.8. Контрольные вопросы и задания для самостоятельного выполнения

7 ОБРАТНОЕ РАСПРОСТРАНЕНИЕ
7.1. Что называется обратным распространением?
7.2. Как изменять "порог" нелинейной функции активации нейрона?
7.3. Какая форма нелинейной функции активации нейрона применяется наиболее часто?
7.4. Как функционирует многослойная сеть, состоящая из нелинейных нейронов?
7.5. Как можно обучать многослойную сеть?
7.6. Что надо наблюдать в процессе обучения многослойной сети?
7.7. Контрольные вопросы и задания для самостоятельного выполнения

8 ФОРМЫ ОБУЧЕНИЯ НЕЙРОННЫХ СЕТЕЙ
8.1. Как использовать многослойную нейронную сеть для распознавания образов?
8.2. Как запрограммировать нейронную сеть для распознавания образов?
8.3. Как выбирать структуру нейронной сети в ходе экспериментов?
8.4. Как подготовить задачу распознавания образов?
8.5. Какие формы обучения можно наблюдать в сети?
8.6. Что еще можно наблюдать в исследуемой сети?
8.7. Контрольные вопросы и задания для самостоятельного выполнения

9 НЕЙРОННЫЕ СЕТИ С САМООБУЧЕНИЕМ
9.1. На чем основана идея самообучения сети?
9.2. Как протекает длительное самообучение сети?
9.3. Можно ли успехи самообучения считать повышением интеллекта сети?
9.4. На что еще надо обратить внимание в процессе самообучения сети?
9.5. "Мечты" и "фантазии", возникающие при самообучении сети
9.6. Запоминание и забывание
9.7. Все ли входные данные приводят к самообучению сети?
9.8. Что может дать введение конкуренции в сеть?
9.9. Какие формы принимает самообучение с конкуренцией?
9.10. Контрольные вопросы и задания для самостоятельного выполнения

10 СЕТИ С САМООРГАНИЗАЦИЕЙ
10.1. Структура нейронной сети, функционирующей по принципу самоорганизации
10.2. На чем основана самоорганизация и для чего она может пригодиться?
10.3. Как определяется соседство в сети?
10.4. Что следует за признанием какого-либо нейрона соседом?
10.5. Что могут сети Кохонена?
10.6. Как ведут себя сети Кохонена при обработке более сложных данных?
10.7. Что происходит в сети при слишком широком распределении начальных значений весов?
10.8. Можно ли изменять форму самоорганизации в процессе самообучения сети?
10.9. Ну и для чего все это может пригодиться?
10.10. Как можно использовать сеть в качестве инструмента для преобразования размерности пространства входных сигналов?
10.11. Контрольные вопросы и задания для самостоятельного выполнения

11 РЕКУРРЕНТНЫЕ СЕТИ
11.1. Что такое рекуррентная нейронная сеть?
11.2. Каковы свойства сетей с обратной связью?
11.3. Кому нужны такие сети с петлями?
11.4. Какова структура сети Хопфилда?
11.5. Как нейронная сеть играет роль ассоциативной памяти?
11.6. Как работает программа, позволяющая тебе самостоятельно исследовать функционирование сети Хопфилда?
11.7. Несколько интересных примеров
11.8. Как и для чего можно использовать автоматическую генерацию эталонов для сети Хопфилда?
11.9. Какие исследования можно проводить с применением ассоциативной памяти?
11.10. Что еще можно наблюдать в ассоциативной памяти?
11.11. Контрольные вопросы и задания для самостоятельного выполнения

Заключение

Приложение 1. Математическая модель нейрона
Приложение 2. Линейные и нелинейные нейроны
Приложение 3. Математические функции, часто используемые в нелинейных нейронах
Приложение 4. Какова роль "учителя" при обучении нейронной сети?
Приложение 5. Элементы технологии самообучения сети
Приложение 6. Технология обучения, применяемая в нейронных сетях
Приложение 7. Ускорение процесса обучения
Приложение 8. Обучение многослойных сетей методом обратного распространения ошибки
Приложение 9. Обучение сети как минимизация функции погрешности