Поиск
Закладки
Озвучивание недоступно Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Нейронные сети: основы теории

Раздел 2. Оптимальные модели нейронных сетей

Предыдущая страница

Следующая страница

Раздел 2. Оптимальные модели нейронных сетей
На предыдущую главу Предыдущая глава
оглавление
Следующая глава На следующую главу

Оглавление

Раздел 2. Оптимальные модели нейронных сетей-
Глава 5. Исследование характеристик входных сигналов
5.1. Постановка задачи
5.2. Совместный закон распределения вероятностей входного сигнала для двух классов образов
5.3. Совместный закон распределения вероятностей входного сигнала для K классов образов
Глава 6. Построение оптимальных моделей нейронных сетей
6.1. Общая структура оптимальной модели
6.2. Аналитическое представление разделяющих поверхностей в типовых нейронных сетях
6.3. Оптимальная модель нейронной сети для многомерных сигналов е(n) и у (n)
6.4. Априорная информация о входном сигнале нейронной сети в режиме самообучения
6.5. О критериях первичной оптимизации нейронной сети в режиме самообучения
6.6. Оптимальные модели нейронной сети в режиме самообучения и при произвольной квалификации учителя
Глава 7. Анализ разомкнутых нейронных сетей
7.1. Законы распределения аналоговой и дискретной ошибок нейронной сети
7.1.1. Нейрон с двумя решениями
7.1.2. Нейрон с континуумом решений
7.1.3. Анализ нейрона с Кр решениями
7.1.4. Анализ системы распознавания образов с нелинейной разделяющей поверхностью
7.2. Выбор функционала вторичной оптимизации
7.3. О выборе функционала вторичной оптимизации в системе "Адалин"
7.4. Формирование функционалов вторичной оптимизации, соответствующих заданному критерию первичной оптимизации
7.4.1. Критерий минимума средней функции
7.4.2. Критерий минимума R при условии равенства р1r1 = р2r2
7.4.3. Критерий минимума R при условии ptrt= a = const
7.5. Континуальные модели нейронной сети
7.5.1. Нейронная сеть с континуумом решений: два класса образов
7.5.2. Нейронная сеть с континуумом решений: континуум классов образов
7.5.3. Нейронная сеть с Кр решениями; К классов образов
7.5.4. Нейронная сеть с N*-выходными каналами; К0 градаций сигнала по каждому классу
7.5.5. Нейронные сети с N*-выходными каналами; континуум решений нейронных сетей
7.6. Нейронная сеть в режимах самообучения и при произвольной квалификации учителя
Глава 8. Поиск экстремума функций многих переменных
8.1. Организация процедуры поиска экстремума функционала вторичной оптимизации в многослойных нейронных сетях
8.2. Анализ итерационного метода поиска экстремума функций многих переменных
8.3. О методе стохастической аппроксимации
8.4. Итерационные методы поиска экстремума функций многих переменных при наличии ограничений типа равенств на переменные
8.4.1. Алгоритм поиска
8.4.2. Анализ матрицы вторых производных функции Лагранжа
8.4.3. Оптимальность по быстродействию итерационной процедуры поиска экстремума при ограничениях типа равенств
8.4.4. Оптимальность по быстродействию при ограничениях (8.6)
8.4.5. Случай ограничений типа равенств, решаемых относительно переменных
8.4.6. Устойчивость итерационного процесса при ограничениях типа равенств
8.4.7. Сходимость итерационного метода поиска при ограничениях типа равенств
8.5. Итерационные методы поиска экстремума функций многих переменных при наличии ограничений типа неравенств на переменные
8.5.1. Условия оптимальности
8.5.2. Алгоритм поиска экстремума при наличии ограничений типа неравенств
8.6. Алгоритм случайного поиска локальных и глобального экстремумов функций многих переменных
8.7. Построение алгоритмов адаптации в многослойных нейронных сетях с использованием оценок производных второго порядка функционала вторичной оптимизации
8.7.1. Построение алгоритмов поиска
8.7.2. Одномерный случай
Данный блок поддерживает скрол*