Снежинск: Лаборатотория Искусственных Нейронных Сетей НТО-2, ВНИИТФ, 1998. Введение в предмет Computational Neuroscience (вычислительная нейронаука). Истоки нейронауки: достижения биологии и физиологии, психологии, дискретная математики, кибернетики, статистической физики и синергетики. Роль компьютерного моделирования. Философские основания нейронауки. Исторический обзор....
Продукционная модель Изучение работы персептрона. Нейросеть (распознавание нарисованных цифр) Изучение алгоритма обратного распространения (Прогнозирование курса валюты) Изучение принципов работы сети Кохонена. Кодирование нечисловых данных (классификация данных). изучение принципов работы сети встречного распространения (сжатие изображения).
Лабораторная работа № 2. СПГУТелекоммуникаций. В лабораторной работе используются эмуляторы NeuroPro 0.25 и Forecast, в первом эмуляторе в качестве примера приводится возможность прогноза результатов выборов, а во втором эмуляторе реализуется система прогнозирования отказов аппаратуры связи. Цель работы – ознакомление с основными параметрами нейронной сети и исследование...
Методические указания. — СПб.: Санкт-Петербургский государственный университет телекоммуникаций имени М.А. Бонч-Бруевича (СПбГУТ). Приведены методические указания по выполнению лабораторной работы по курсу "Нейрокомпьютерные системы". Цель работы - продемонстрировать возможности различения зрительных образов на основе эмуляторов нейронных сетей Neuro Windows и Nbp.
Шишкин А.Л. БГТУ "Военмех" им. Д.Ф. Устинова, 5 курс, Санкт-Петербург, 2011. 6 с. Дисциплина - Представление знаний в ИС. Архив содержит отчет по лабораторной работе и программу. Цель работы: реализовать нейронную сети и алгоритм обучения методом обратного распространения ошибки.
Neural Network Learning and Expert Systems presents a unified and in-depth development of neural network learning algorithms and neural network expert systems. Especially suitable for students and researchers in computer science, engineering, and psychology, it provides a systematic development of neural network learning algorithms from a computational perspective. This is coupled...
Prentice-Hall, 1997. — 640 р. Neuro-Fuzzy Modeling and Soft Computing places particular emphasis on the theoretical aspects of covered methodologies, as well as empirical observations and verifications of various applications in practice. Neuro-Fuzzy Modeling and Soft Computing is oriented toward methodologies that are likely to be of practical use. It includes exercises, some...
Packt Publishing, 2018 - 272p. - ISBN: 1789130336 !Code files only! Learn how to apply TensorFlow to a wide range of deep learning and Machine Learning problems with this practical guide on training CNNs for image classification, image recognition, object detection and many computer vision challenges. Key Features Learn the fundamentals of Convolutional Neural Networks Harness...
Packt Publishing, 2017. — 288 p. — ISBN10: 1788397878, 13 978-1788397872. True EPUB Uncover the power of artificial neural networks by implementing them through R code.
Packt Publishing Ltd., 2019. — 301 p. — ISBN: 978-1-78913-890-0. Code files only! Build your Machine Learning portfolio by creating 6 cutting-edge Artificial Intelligence projects using neural networks in Python Neural networks are at the core of recent AI advances, providing some of the best resolutions to many real-world problems, including image recognition, medical...
Packt Publishing, 2019. — 269 p. — ISBN: 978-1-78899-259-6. Code files only! Design and create neural networks with deep learning and artificial intelligence principles using OpenAI Gym, TensorFlow, and Keras Neural networks play a very important role in deep learning and artificial intelligence (AI), with applications in a wide variety of domains, right from medical diagnosis,...
Комментарии