База данных: Каталог ЭБС IPR SMART
Страница 1, Результатов: 4
Отмеченные записи: 0
1.
Подробнее
Сергеев, А. П.
Введение в нейросетевое моделирование : учебное пособие / Сергеев А. П. - Екатеринбург : Издательство Уральского университета, 2017. - 128 с. - ISBN 978-5-7996-2124-7 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.81
Кл.слова (ненормированные):
биологический прототип -- вычислительная система -- искусственный нейрон -- нейронная сеть -- перцептрон
Аннотация: Учебное пособие содержит начальные сведения о моделировании на базе искусственных нейронных сетей. Разобраны биологические принципы построения и алгоритмы создания искусственного нейрона (типа «перцептрон») и сетей на его основе. Издание рекомендуется исследователям, преподавателям, аспирантам, студентам, а также всем, кто интересуется современным состоянием дел в области искусственных нейронных сетей и моделирования.
Доп.точки доступа:
Тарасов, Д. А.
Сергеева, А. П. \ред.\
Сергеев, А. П.
Введение в нейросетевое моделирование : учебное пособие / Сергеев А. П. - Екатеринбург : Издательство Уральского университета, 2017. - 128 с. - ISBN 978-5-7996-2124-7 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
биологический прототип -- вычислительная система -- искусственный нейрон -- нейронная сеть -- перцептрон
Аннотация: Учебное пособие содержит начальные сведения о моделировании на базе искусственных нейронных сетей. Разобраны биологические принципы построения и алгоритмы создания искусственного нейрона (типа «перцептрон») и сетей на его основе. Издание рекомендуется исследователям, преподавателям, аспирантам, студентам, а также всем, кто интересуется современным состоянием дел в области искусственных нейронных сетей и моделирования.
Доп.точки доступа:
Тарасов, Д. А.
Сергеева, А. П. \ред.\
2.
Подробнее
Горожанина, Е. И.
Нейронные сети : учебное пособие / Горожанина Е. И. - Самара : Поволжский государственный университет телекоммуникаций и информатики, 2017. - 84 с. - Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.81
Кл.слова (ненормированные):
интеллектуальная система -- искусственный интеллект -- искусственный нейрон -- нейронная сеть -- самоорганизующаяся карта -- сеть кохонена -- сеть хемминга -- сеть хопфилда
Аннотация: Учебное пособие имеет целью ознакомить учащихся с компонентами интеллектуальных систем, а именно искусственные нейронные сети. Предусмотрено рассмотрение принципов построения интеллектуальных информационных систем и их «настройке». Затрагивается вопрос применения инструментальных средств поддержки проектирования и построения нейросетей. Учебное пособие подготовлено на кафедре «Экономические и информационные системы» ФГБОУ ВО ПГУТИ, предназначены для студентов всех форм обучения специальности 09.04.03 (Прикладная информатика). Могут быть полезны преподавателям смежных дисциплин.
Горожанина, Е. И.
Нейронные сети : учебное пособие / Горожанина Е. И. - Самара : Поволжский государственный университет телекоммуникаций и информатики, 2017. - 84 с. - Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
интеллектуальная система -- искусственный интеллект -- искусственный нейрон -- нейронная сеть -- самоорганизующаяся карта -- сеть кохонена -- сеть хемминга -- сеть хопфилда
Аннотация: Учебное пособие имеет целью ознакомить учащихся с компонентами интеллектуальных систем, а именно искусственные нейронные сети. Предусмотрено рассмотрение принципов построения интеллектуальных информационных систем и их «настройке». Затрагивается вопрос применения инструментальных средств поддержки проектирования и построения нейросетей. Учебное пособие подготовлено на кафедре «Экономические и информационные системы» ФГБОУ ВО ПГУТИ, предназначены для студентов всех форм обучения специальности 09.04.03 (Прикладная информатика). Могут быть полезны преподавателям смежных дисциплин.
3.
Подробнее
Тарков, М. С.
Нейрокомпьютерные системы : учебное пособие для СПО / Тарков М. С. - Саратов : Профобразование, 2019. - 171 с. - ISBN 978-5-4488-0360-4 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.81
Кл.слова (ненормированные):
градиентный алгоритм -- искусственный нейрон -- нейрокомпьютер -- нейрокомпьютерная система -- нейронная сеть -- паде-нейрон -- персептрон -- радиальная сеть -- рекуррентная сеть -- сигмоидальный нейрон
Аннотация: В учебном пособии рассматриваются основы построения нейрокомпьютеров, вопросы реализации нейронных сетей, основные модели искусственного нейрона и сетей, использующих искусственный нейрон в качестве своего элемента. В учебном пособии дается детальный обзор и описание важнейших методов обучения нейронных сетей различной структуры, а также задач, решаемых этими сетями. Учебное пособие предназначено для изучения дисциплин «Архитектура компьютерных систем», «Компьютерные сети» по специальностям среднего профессионального образования 09.02.03 «Программирование в компьютерных системах», 09.02.01 «Компьютерные системы и комплексы», 09.02.02 «Компьютерные сети» и др.
Тарков, М. С.
Нейрокомпьютерные системы : учебное пособие для СПО / Тарков М. С. - Саратов : Профобразование, 2019. - 171 с. - ISBN 978-5-4488-0360-4 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
градиентный алгоритм -- искусственный нейрон -- нейрокомпьютер -- нейрокомпьютерная система -- нейронная сеть -- паде-нейрон -- персептрон -- радиальная сеть -- рекуррентная сеть -- сигмоидальный нейрон
Аннотация: В учебном пособии рассматриваются основы построения нейрокомпьютеров, вопросы реализации нейронных сетей, основные модели искусственного нейрона и сетей, использующих искусственный нейрон в качестве своего элемента. В учебном пособии дается детальный обзор и описание важнейших методов обучения нейронных сетей различной структуры, а также задач, решаемых этими сетями. Учебное пособие предназначено для изучения дисциплин «Архитектура компьютерных систем», «Компьютерные сети» по специальностям среднего профессионального образования 09.02.03 «Программирование в компьютерных системах», 09.02.01 «Компьютерные системы и комплексы», 09.02.02 «Компьютерные сети» и др.
4.
Подробнее
Сенько, О. В.
Цифровые методы диагностики и прогнозирования процессов : учебное пособие / Сенько О. В. - Москва : Издательский Дом МИСиС, 2016. - 85 с. - ISBN 978-5-906846-21-1 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.97
Кл.слова (ненормированные):
алгоритм -- диагностика -- искусственный нейрон -- линейная регрессия -- нейронная сеть -- программное средство -- статистическая модель -- цифровой метод
Аннотация: Изложены методы решения задач автоматического прогнозирования и диагностики процессов с помощью алгоритмов, настроенных по выборкам прецедентов. Описывается ряд методов регрессионного анализа, включая современные модели, основанные на регуляризации по Тихонову. Анализируются наиболее популярные подходы к решению задач распознавания, включая статистические модели, нейронные сети, решающие деревья и леса, комбинаторно-логические модели, метод опорных векторов и др. Рассматриваются статистически обоснованные способы оценки точности получаемых решений, сравниваются эффективности различных подходов. Приводится ряд примеров использования излагаемых методов для решения различных практических задач в разных отраслях промышленности. Соответствует ГОС дисциплины «Цифровые методы диагностики и прогнозирования процессов». Предназначено для магистров, аспирантов и специалистов.
Сенько, О. В.
Цифровые методы диагностики и прогнозирования процессов : учебное пособие / Сенько О. В. - Москва : Издательский Дом МИСиС, 2016. - 85 с. - ISBN 978-5-906846-21-1 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
алгоритм -- диагностика -- искусственный нейрон -- линейная регрессия -- нейронная сеть -- программное средство -- статистическая модель -- цифровой метод
Аннотация: Изложены методы решения задач автоматического прогнозирования и диагностики процессов с помощью алгоритмов, настроенных по выборкам прецедентов. Описывается ряд методов регрессионного анализа, включая современные модели, основанные на регуляризации по Тихонову. Анализируются наиболее популярные подходы к решению задач распознавания, включая статистические модели, нейронные сети, решающие деревья и леса, комбинаторно-логические модели, метод опорных векторов и др. Рассматриваются статистически обоснованные способы оценки точности получаемых решений, сравниваются эффективности различных подходов. Приводится ряд примеров использования излагаемых методов для решения различных практических задач в разных отраслях промышленности. Соответствует ГОС дисциплины «Цифровые методы диагностики и прогнозирования процессов». Предназначено для магистров, аспирантов и специалистов.
Страница 1, Результатов: 4