Ruhr-Universität Bochum, Germany, Cheng S., 2021. Artificial neural networks (ANN) were inspired by the architecture and function of the brain. Nevertheless, their greatest strength is not that they are good models of the brain, but rather that they are powerful function approximators. Since the 1980's many types of ANN have been developed and tricks for training ANNs on data...
Göteborg: University of Gothenburg, 2019. — 206 p. These are lecture notes for my course on Artificial Neural Networks that I have given at Chalmers and Gothenburg University. This course describes the use of neural networks in machine learning: deep learning, recurrent networks, reinforcement learning, and other supervised and unsupervised machine-learning algorithms....
Habrahabr.ru, 2016. — 60 с.
«Материал, рассказанный нашим коллегой Константином Лахманом, обобщает историю развития нейросетей, их основные особенности и принципиальные отличия от других моделей, применяемых в машинном обучении. Также речь пойдёт о конкретных примерах применения нейросетевых технологий и их ближайших перспективах. Лекция будет полезна тем, кому хочется...
Новосибирск, ? — 136 c.
Излагаются основы построения нейрокомпьютеров. Дается детальный обзор и описание важнейших методов обучения нейронных сетей различной структуры, а также задач, решаемых этими сетями. Рассмотрены вопросы реализации нейронных сетей.
Искусственные нейронные сети реализуют одну из парадигм искусственного интеллекта, а именно, коннекционистскую. Это...
В терминологии, моделях и функциях, используемых для искусственных нейронных сетей, многое заимствовано из биологических нейронных сетей. В то же время обучение в искусственных нейронных сетях во многом отличается от соответствующих процессов в биологических сетях. Искусственные нейронные сети обучаются на основе упрощённых алгоритмов, адаптирующих синаптические веса. Эти...
Методические указания к лабораторной работе. — Омск: ОГТУ, 2010. — 14 с. Цель работы: Знакомство со средствами и методами MatLAB и пакета Simulink для моделирования и исследования нейронных сетей. Применение нейронных сетей для аппроксимации функций.
Комментарии