Нейросети - справочники
Некоторые справочники по теме «Нейросети»:
«Нейросеть на пальцах: как работает ИИ и как его использовать?», Андрей Зубков. Объясняет базовые принципы работы ИИ и нейросетей, раскрывает их потенциал для повышения продуктивности, решения повседневных задач и творчества.
«Мастер нейросетей. Обучение нейросети. Полное руководство по ИИ для каждого», Эля Ангелова. Базовый курс, объясняющий возможности ИИ и его применение в бизнесе, творчестве, обучении, а также в повседневном быту. Содержит пошаговые инструкции и реальные примеры использования.
«Нейросети. Практическое руководство по ИИ от А до Я», Владимир Микрюков. Содержит понятные объяснения и шаблоны запросов к популярным нейросетям, помогает быстро освоить необходимые навыки.
«Нейросети в бизнесе: Как ИИ помогает зарабатывать», Олег Лебедев. Практическое руководство по применению нейросетей в различных сферах: финансах, здравоохранении, маркетинге или производстве. Содержит конкретные примеры из разных сфер и практические рекомендации.
«Prompt (запросы) к нейросетям — примеры, формулы, шаблоны», Дмитрий Зверев. Научает составлять эффективные запросы для получения желаемых результатов, раскрывает принципы построения запросов, от простых примеров до сложных формул и продвинутых техник.
-
Справочник по нейросетям
Глава 1 Основы искусственных нейронных сетей
Введение
Обобщение
Абстрагирование
Применимость
Исторический Аспект
Искусственные нейронные сети сегодня
Перспективы на будущее
Искусственные нейронные сети и экспертные системы
Соображения надежности
Выводы
Основы искусственных нейронных сетей
Биологический прототип
Искусственный нейрон
Однослойные искусственные нейронные сети
Многослойные искусственные нейронные сети
Нелинейная активационная функция
Сети с обратными связями
Терминология, обозначения и схематическое изображение искусственных нейронных сетей
Терминология
Дифференциальные уравнения или разностные уравнения
Графическое представление
Обучение искусственных нейронных сетей
Цель обучения
Обучение с учителем
Обучение без учителя
Алгоритмы обучения
Пролог
Персептроны
Персептроны и зарождение искусственных нейронных сетей
Персептронная представляемость
Проблема функции Исключающее ИЛИ
Линейная разделимость
Преодоление ограничения линейной разделимости
Эффективность запоминания
Обучение Персептрона
Алгоритм обучения Персептрона
Дельта-правило
Трудности с алгоритмом обучения персептрона
Процедура обратного распространения
Введение в процедуру обратного распространения
Обучающий алгоритм обратного распространения
Сетевые конфигурации
Многослойная сеть
Обзор обучения
Дальнейшие алгоритмические разработки
Применения
Предостережение
Паралич сети
Локальные минимумы
Размер шага
Временная неустойчивость
Сети встречного распространения
Введение в сети встречного распространения
Структура сети
Нормальное функционирование
Слои Кохоненна
Слой Гроссберга
Обучение слоя Кохонена
Предварительная обработка входных векторов
Выбор начальных значений весовых векторов
Режим интерполяции
Статистические свойства обученной сети
Обучение слоя Гроссберга
Сеть встречного распространения полностью
Приложение: сжатие данных
Обсуждение
Стохастические методы
Использование обучения
Больцмановское обучение
Обучение Коши
Метод искусственной теплоемкости
Приложения к общим нелинейным задачам оптимизации
Обратное распространение и обучение Коши
Трудности, связанные с обратным распространением
Трудности с алгоритмом обучения Коши
Комбинирование обратного распространения с обучением Коши
Обсуждение
Сети Хопфилда
Конфигурации сетей с обратными связями
Бинарные системы
Устойчивость
Ассоциативная память
Непрерывные системы
Сети Хопфилда и машина Больцмана
Термодинамические системы
Статистичекие сети Хопфилда
Обобщенные сети
Оптическая сеть Хопфилда, использующая объемные
Справочник по нейросетям Глава 2 Двунаправленная ассоциативная память
Приложения
Аналого-цифровой преобразователь
Задача коммивояжера
Обсуждение
Локальные минимумы
Скорость
Функция энергии
Емкость сети
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
Описание APT
Упрощенная архитектура APT
Функционирование сети APT в процессе классификации
Реализация APT
Обзор
Функционирование сетей APT
Пример обучения сети APT
Характеристики APT
Инициализация весовых векторов Т
Настройка весовых векторов Вj
Инициализация весов bij
Теоремы APT
Заключение
Оптические нейронные сети
Векторно-матричные умножители
Сети Хопфилда на базе электронно-оптических матричных умножителей
Голографические корреляторы
Объемные голограммы
Оптическая сеть Хопфилда, использующая объемные голограммы
Заключение
Когнитрон и неокогнитрон
Когнитрон
Структура
Обучение
Неокогнитрон
Структура
Обобщение
Вычисления
Обучение
Заключение
Биологические нейронные сети
Человеческий мозг: биологическая модель для искусственных нейронных сетей
Организация человеческого мозга
Нейрон
Мембрана клетки
Компьютеры и человеческий мозг
Алгоритмы обучения
Обучение с учителем и без учителя
Метод обучения Хэбба
Алгоритм обучения Хэбба
Метод сигнального обучения Хэбба
Метод дифференциального обучения Хэбба
Входные и выходные звезды
Обучение входной звезды
Обучение выходной звезды
Обучение персептрона
Метод обучения Уидроу-Хоффа
Методы статистического обучения
Самоорганизация
-
Система отслеживания истинности предположений
Основное назначение связей в сети зависимостей состоит в том, чтобы, во-первых, показать, как изменение значения какого-либо параметра распространяется от узла к узлу, а во-вторых, выявить противоречия между значениями, присвоенными разным узлам
Сравнение различных вариантов организации систем отслеживания истинности предположений
Рекомендуемая литература
Упражнения
Структура представления связей между высказываниями для упр. 5
Отслеживание зависимостей
Релаксация в сети
Пересмотр допущений
Запись информации о связях
Пересмотр теорий высказываний
Структура представления связей между высказываниями
Немонотонное обоснование
Пара конфликтующих выражений
Приведенная ниже программа на языке CLIPS реализует простой алгоритм
Работа со множеством контекстов
Отслеживание истинности предположений, основанное на анализе допущений
Решетка сред
Решетка сред, в которой выделен несовместный контекст
Решетка сред, в которой узлы, имеющие непустые списки ярлыков, заштрихованы
Использование систем отслеживания...
Решетка сред, представляющая пространство...