Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика

Пер. с англ. Ю.А. Зуева, В.А. Точенова. — М.: Мир, 1992.В книге американского автора в общедоступной форме излагаются основы построения нейрокомпьютеров. Описаны структура нейронных сетей и различные алгоритмы их настройки. Отдельные главы посвящены вопросам реализации нейронных сетей.
Для специалистов в области вычислительной техники, а также студентов соответствующих специальностей вузов.Что такое искусственные нейронные сети? Что они могут делать? Как они работают? Как их можно использовать? Эти и множество подобных вопросов задают специалисты из разных областей. Найти вразумительный ответ нелегко. Университетских курсов мало, семинары слишком дороги, а соответствующая литература слишком обширна и специализированна. Готовящиеся к печати превосходные книги могут обескуражить начинающих. Часто написанные на техническом жаргоне, многие из них предполагают свободное владение разделами высшей математики, редко используемыми в других областях.Предисловие.
Благодарности.
Введение.
Почему именно искусственные нейронные сети?
Свойства искусственных нейронных сетей.
Исторический аспект.
Искусственные нейронные сети сегодня.
Перспективы на будущее.
Выводы.
Основы искусственных нейронных сетей.
Биологический прототип.
Искусственный нейрон.
Однослойные искусственные нейронные сети.
Многослойные искусственные нейронные сети.
Терминология, обозначения и схематическое изображение искусственных нейронных сетей.
Пролог.
Персептроны.
Персептроны и зарождение искусственных нейронных сетей.
Персептронная представляемость.
Обучение персептрона.
Алгоритм обучения персептрона.
Процедура обратного распространения.
Введение в процедуру обратного распространения.
Обучающий алгоритм обратного распространения.
Обзор обучения.
Дальнейшие алгоритмические разработки.
Применения.
Предостережение.
Сети встречного распространения.
Введение в сети встречного распространения.
Структура сети.
Нормальное функционирование.
Обучение слоя Кохонена.
Обучение слоя Гроссберга.
Сеть встречного распространения полностью.
Приложение: сжатие данных.
Обсуждение.
Стохастические методы.
Использование обучения.
Приложения к общим нелинейным задачам оптимизации.
Обратное распространение и обучение Коши.
Сети Хопфилда.
Конфигурации сетей с обратными связями.
Приложения.
Обсуждение.
Выводы.
Двунаправленная ассоциативная память.
Структура ДАП.
Восстановление запомненных ассоциаций.
Кодирование ассоциаций.
Емкость памяти.
Непрерывная ДАП.
Адаптивная ДАП.
Конкурирующая ДАП.
Заключение.
Адаптивная резонансная теория.
Архитектура Apt.
Реализация Apt.
Пример обучения сети Apt.
Характеристики Apt.
Заключение.
Оптические нейронные сети.
Векторно-матричные умножители.
Голографические корреляторы.
Заключение.
Когнитрон и неокогнитрон.
Когнитрон.
Неокогнитрон.
Заключение.
Приложения.
Биологические нейронные сети
Человеческий мозг: биологическая модель для искусственных нейронных сетей.
Организация человеческого мозга.
Компьютеры и человеческий мозг.
Алгоритмы обучения.
Обучение с учителем и без учителя.
Метод обучения Хэбба.
Входные и выходные звезды.
Обучение персептрона.
Метод обучения Уидроу—Хоффа.
Методы статистического обучения.
Самоорганизация.