Интеллектуальные технологии на основе искусственных нейронных сетей

Интеллектуальные технологии на основе искусственных нейронных сетей
М.А. Басараб, Н.С. Коннова
  • Год:
    2017
  • Тип издания:
    Методические указания
  • Объем:
    56 стр. / 3.5 п.л
  • Формат:
    60x90/16
  • ISBN:
    978-5-7038-4716-9
  • Читать Online

Ключевые слова: алгоритм обратного распространения ошибки, булевы выражения, задачи аппроксимации, задачи классификации, задачи кластеризации, задачи прогнозирования, кластерный анализ данных, лабораторная работа, нейронные сети, персептроны, радиальные базисные функции, сети Коско, сети Хопфилда

Рассмотрены различные разделы теории искусственных нейронных сетей на примерах решения задач классификации, кластеризации, прогноза, аппроксимации. Исследованы такие типы сетей, как персептрон с правилом обучения Видроу - Хоффа, многослойные с обратным распространением ошибки, сети c радиальными базисными функциями, Хопфилда, двунаправленной ассоциативной памяти (Коско, BAM), Кохонена.

Для студентов МГТУ им. Н.Э. Баумана, обучающихся по специальностям "Информационная безопасность" и "Информационная безопасность автоматизированных систем", а также для студентов и аспирантов других специальностей, интересующихся современными методами искусственного интеллекта на основе искусственных нейронных сетей.

СОДЕРЖАНИЕ
Лабораторная работа № 1. Исследование однослойных нейронных сетей на примере моделирования булевых выражений
Лабораторная работа № 2. Применение однослойной нейронной сети для решения задач регрессии экспериментальных данных
Лабораторная работа № 3. Применение однослойной нейронной сети с линейной функцией активации для прогнозирования временных рядов
Лабораторная работа № 4. Исследование нейронных сетей с радиальными базисными функциями (RBF) на примере моделирования булевых выражений
Лабораторная работа № 5. Исследование аппроксимативных свойств нейронных сетей с радиальными базисными функциями (RBF)
Лабораторная работа № 6. Изучение алгоритма обратного распространения ошибки (метод Back Propagation)
Лабораторная работа № 7. Исследование рекуррентной нейронной сети Хопфилда на примере задачи распознавания образов
Лабораторная работа № 8. Исследование рекуррентной нейронной сети Коско (BAM) на примере задачи распознавания образов
Лабораторная работа № 9. Алгоритмы кластерного анализа данных

Авторы работы: Басараб Михаил Алексеевич, Коннова Наталья Сергеевна