Миркес Е.М. Нейроинформатика

Учеб. пособие. — Красноярск: ИПЦ КГТУ, 2002. — 347 с. — ISBN 5-7636-0477-6.Пособие написано на основе курса лекций по нейроинформатике в течение ряда лет, читавшегося автором в КГТУ. В пособии рассмотрены все основные парадигмы нейронных сетей. Предложен ряд лабораторных работ по курсу. Даны программы для выполнения лабораторных работ.
Предназначено как для использования в учебном процессе вузов, так и для студентов и аспирантов самостоятельно изучающих нейроинформатику.Введение
Рабочая программа по курсу «Нейроинформатика»
Задания для лабораторных работ
Лабораторная №1
Лабораторная №2
Лабораторная №3
Лабораторная №4
Лабораторная №5
Лабораторная №6
Лабораторная №7
Вопросы к экзамену
Введение в нейроинформатику
Сети естественной классификации
Содержательная постановка задачи
Формальная постановка задачи
Сеть Кохонена
Обучение сети Кохонена
Сеть Кохоненана сфере
Метод динамических ядер
Выбор начального приближения
Примеры видов классификации
Определение числа классов
Нейронные сети ассоциативной памяти, функционирующие в дискретном времени
Описание задачи
Формальная постановка задачи
Сети Хопфилда
Функционирование сети
Ортогональные сети
Тензорные сети
Сети для инвариантной обработки изображений
Конструирование сетей под задачу
Численный эксперимент
Доказательство теоремы
Двойственные сети
Краткий обзор нейронных сетей
Выделение компонентов
Запросы компонентов нейрокомпьютера
Задачник и обучающее множество
Структуры данных задачника
Поля задачника
Состав данных задачника
Предобработчик
Нейрон
Различимость входных данных
Классификация компонентов входных данных
Кодирование бинарных признаков
Кодирование неупорядоченных качественных признаков
Кодирование упорядоченных частных признаков
Числовые признаки
Простейшая предобработка числовых признаков
Оценка способности сети решить задачу
Предобработка, облегчающая обучение
Другие способы предобработки числовых признаков
Составной предобработчик
Описание нейронных сетей
Конструирование нейронных сетей
Примеры сетей и алгоритмов их обучения
Оценка и интерпретатор ответа
Интерпретатор ответа
Уровень уверенности
Построение оценки по интерпретатору
Оценка обучающего множества. Вес примера
Глобальные и локальные оценки
Составные интерпретатор ответа и оценка
Исполнитель
Учитель
Что можно обучать методом двойственности
Задача обучения сети
Описание алгоритмов обучения
Контрастер
Задачи для контрастера
Множества повышенной надежности
Процедура контрастирования
Определение показателей значимости
Персептрон
Определение персептрона
Обучение персептрона. Правило Хебба
Целочисленность весов персептронов
Двуслойность персептрона
Приложение 1 Описание пакета программ CLAB
Описание пакета
Инструкции пользователю по работе с пакетом CLAB
Приложение 2 Пакет программ «Нейроучебник»
Сервисные функции
Главный индекс
Основной режим
Обучающеемножество
Нейронная сеть
Параметры
Обучение
Тест
Приложение 3. Стандарт нейрокомпьютера
Общий стандарт
Стандарт первого уровня компонента задачник
Стандарт второго уровня компонента задачник
Стандарт первого уровня компонента предобработчик
Стандарт второго уровня компонента предобработчик
Стандарт первого уровня компонента сеть
Стандарт второго уровня компонента сеть
Стандарт первого уровня компонента интерпретатор ответа
Стандарт второго уровня компонента интерпретатор ответа
Стандарт первого уровня компонента оценка
Стандарт второго уровня компонента оценка
Стандарт второго уровня компонента исполнитель
Стандарт первого уровня компонента учитель
Стандарт второго уровня компонента учитель
Стандарт первого уровня компонента контрастер
Стандарт второго уровня компонента контрастер
Список литературы