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

Раздел 3. Адаптивные нейронные сети

Глава 9. Алгоритмы настройки нейронных сетей
9.1. Постановка задачи
Если Вы наш подписчик,то для того чтобы скопировать текст этой страницы в свой конспект,
используйте просмотр в виде pdf. Вам доступно 35 стр. из этой главы.
Для продолжения работы требуется Регистрация
На предыдущую страницу

Предыдущая страница

Следующая страница

На следующую страницу
Раздел 3. Адаптивные нейронные сети
На предыдущую главу Предыдущая глава
оглавление
Следующая глава На следующую главу

Оглавление

Раздел 3. Адаптивные нейронные сети-
Глава 9. Алгоритмы настройки нейронных сетей
9.1. Постановка задачи
9.2. Нейрон с двумя и континуумом решений
9.3. Двухслойные нейронные сети
9.4. Многослойные нейронные сети из нейронов с континуумом решений
9.5. Построение нейронных сетей, настраивающихся по замкнутому циклу при ограничениях на переменные
9.6. Реализация критериев первичной оптимизации в нейронах с двумя решениями
9.7. Реализация критерия минимума средней функции риска в нейронах с континуумом и Kp решениями
9.8. Реализация критерия минимума средней функции риска в нейронных сетях с N" выходными каналами (слой нейронов)
9.9. Реализация критерия минимума средней функции риска в многослойных нейронных сетях
9.10. Построение замкнутых нейронных сетей нестационарных образов
9.11. Построение нейронных сетей с перекрестными и обратными связями, настраивающихся по замкнутому циклу
9.12. Построение замкнутых нейронных сетей в режимах самообучения и произвольной квалификации учителя
9.13. Вывод выражений для оценок производных второго порядка функционала вторичной оптимизации
Глава 10. Настройка континуальных нейронных сетей
10.1. Настройка нейрона с континуумом признаков
10.2. Настройка слоя, состоящего из континуума нейронов
10.3. Выбор параметрической матрицы для процедуры обучения континуального слоя нейронов на основе данных случайных выборок
10.4. Выбор параметрической функции K*(I,j) на основе данных случайных выборок для процедуры обучения нейрона с континуумом признаков
10.5. Особенности алгоритма настройки континуальной двухслойной нейронной сети
10.6. Три варианта реализации весовых функций континуального слоя нейронов и соответствующие им процедуры обучения
10.7. Алгоритм обучения двухслойной континуальной нейронной сети с функционалом вторичной оптимизации а2g (в пространстве пяти признаков)
10.7.1. Алгоритм обучения второго слоя (нейрон с континуумом признаков)
10.7.2. Алгоритм обучения первого слоя (континуальный слой нейронов)
10.8. Континуальный слой нейронов с кусочно-постоянными весовыми функциями
10.8.1. Разомкнутая структура слоя
10.8.2. Рекуррентная процедура настройки кусочно-постоянных весовых функций
10.8.3. К вопросу об оценке матрицы K*(i)
10.9. Континуальный слой нейронов с кусочно-линейными весовыми функциями
10.9.1. Разомкнутая структура слоя нейронов
10.9.2. Рекуррентная процедура настройки кусочно-линейных весовых функций
10.10. Континуальный слой нейронной сети с кусочно-постоянными весовыми функциями (случай фиксированных величин "ступенек")
10.10.1. Разомкнутая структура слоя
10.10.2. Рекуррентная процедура настройки кусочно-постоянных весовых функций с изменяемыми длинами отрезков τs
Глава 11. Выбор начальных условий при настройке нейронных сетей. Типовые входные сигналы многослойных нейронных сетей
11.1. О методах выбора начальных условий
11.2. Алгоритм детерминированного выбора начальных условий в алгоритмах настройки многослойных нейронных сетей
11.3. Выбор начальных условий в многослойных нейронных сетях
11.4. Формирование начальных условий для настройки коэффициентов нейронных сетей в различных задачах оптимизации
11.4.1. Системы линейных уравнений
11.4.2. Системы линейных неравенств
11.4.3. Аппроксимация и экстраполяция функции
11.4.4. Распознавание образов
11.4.5. Кластеризации
11.4.6. Задача коммивояжера
11.4.7. Моделирование динамических систем
11.4.8. Заключение
11.5. Типовые входные сигналы многослойных нейронных сетей
Глава 12. Исследование замкнутых многослойных нейронных сетей
12.1. Постановка задачи синтеза контура настройки многослойных нейронных сетей по замкнутому циклу
12.2. Исследование нейрона при многомодальном распределении входного сигнала
12.2.1. Одномерный случай; поисковый алгоритм настройки
12.2.2. Многомерный случай. Аналитический алгоритм настройки
12.3. Исследование динамики частного вида нейронных сетей для распознавания нестационарных образов
12.4. Исследование динамики трехслойной нейронной сети в режиме обучения
12.5. Исследование нейронной сети частного вида с обратными связями
12.6. Исследование динамики однослойных нейронных сетей в режиме самообучения
12.6.1. Нейронная сеть с поиском центров мод распределения f(x)
12.6.2. Нейронная сеть с N* выходными каналами
12.6.3. Нейрон с K решениями
12.7. Двухслойная нейронная сеть в режиме самообучения
12.8. О некоторых инженерных методах выбора параметров матриц в алгоритмах настройки многослойных по замкнутому циклу
12.9. Построение многослойной нейронной сети для решения задачи обращения матрицы
12.10. Построение многослойной нейронной сети для решения задачи перевода чисел из двоичной системы исчисления в десятичную
12.11. Исследование многослойной нейронной сети при произвольной квалификации учителя
12.12. Аналитические методы исследования нейронных сетей, настраивающихся по замкнутому циклу
Глава 13. Синтез многослойных нейронных сетей с переменной структурой
13.1. Последовательный алгоритм обучения нейронов первого слоя многослойной нейронной сети
13.2. Алгоритм обучения нейронов первого слоя многослойной нейронной сети с применением метода случайного поиска локальных и глобального экстремумов функций
13.3. Анализ сходимости алгоритмов при увеличении числа гиперплоскостей
13.4. Алгоритм обучения нейронов второго слоя двухслойной нейронной сети
13.4.1. Условие реализуемости логической функции ε(у) на одном нейроне
13.4.2. Синтез нейрона методом минимизации функционала
13.4.3. Синтез нейрона по таблицам пороговых функций
13.5. Алгоритм обучения второго и третьего слоев нейронов трехслойной нейронной сети
13.6. Общая методика последовательного синтеза многослойных нейронных сетей
13.7. Метод обучения нейронов первого слоя многослойной нейронной сети с континуумом признаков
13.8. Использование алгоритма настройки многослойных нейронных сетей с переменной структурой для решения задачи выбора начальных условий
13.9. Об алгоритме самообучения многослойных нейронных сетей с переменной структурой
Глава 14. Выбор информативных признаков в многослойных нейронных сетях
14.1. Постановка задачи выбора информативных признаков в режиме обучения
14.2. О структурных методах выбора информативных признаков в многослойных нейронных сетях с фиксированной структурой
14.3. Выбор информативных признаков исходного пространства с помощью многослойных нейронных сетей с последовательными алгоритмами настройки нейронов первого слоя
14.4. Минимизация числа нейронов
14.5. О выборе информативных признаков в многослойных нейронных сетях в режиме самообучения
Данный блок поддерживает скрол*