База данных: Каталог ЭБС IPR SMART
Страница 5, Результатов: 45
Отмеченные записи: 0
41.
Подробнее
Лекун, Я.
Как учится машина: революция в области нейронных сетей и глубокого обучения / Лекун Я. - Москва : Альпина ПРО, 2021. - 335 с. - ISBN 978-5-907394-92-6 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.813
Кл.слова (ненормированные):
глубокое обучение -- искусственный интеллект -- нейронная сеть -- распознавание -- умная машина -- управление
Аннотация: Мы живем во время революции, еще 50 лет назад казавшейся невероятной, – революции в области умных машин, которые теперь обучаются самостоятельно, вместо того чтобы просто выполнять запрограммированные команды. И возможности таких машин огромны: распознавание изображений, лиц и голосов, переводы на сотни языков, беспилотное управление автомобилями, обнаружение опухолей на медицинских снимках и многое другое. Автор книги Ян Лекун стоит у истоков этой революции. Лауреат премии Тьюринга, профессор Нью-Йоркского университета и руководитель фундаментальными исследованиями в Facebook, он является одним из изобретателей глубокого обучения, применяемого к так называемым искусственным нейронным сетям, архитектура и функционирование которых вдохновлены устройством человеческого мозга. В своей книге он, не прибегая к метафорам, делится своим научным подходом на стыке компьютерных наук и нейробиологии, проливая свет на будущее искусственного интеллекта, связанные с ним проблемы и перспективы. Сегодня искусственный интеллект действительно меняет общество. Эта понятная и доступная книга перенесет вас в самое сердце машины, открывая новый увлекательный мир, который уже является нашей реальностью.
Доп.точки доступа:
Арсенова, Е. \пер.\
Скворцова, В. \ред.\
Плец, М. \ред.\
Лекун, Я.
Как учится машина: революция в области нейронных сетей и глубокого обучения / Лекун Я. - Москва : Альпина ПРО, 2021. - 335 с. - ISBN 978-5-907394-92-6 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
глубокое обучение -- искусственный интеллект -- нейронная сеть -- распознавание -- умная машина -- управление
Аннотация: Мы живем во время революции, еще 50 лет назад казавшейся невероятной, – революции в области умных машин, которые теперь обучаются самостоятельно, вместо того чтобы просто выполнять запрограммированные команды. И возможности таких машин огромны: распознавание изображений, лиц и голосов, переводы на сотни языков, беспилотное управление автомобилями, обнаружение опухолей на медицинских снимках и многое другое. Автор книги Ян Лекун стоит у истоков этой революции. Лауреат премии Тьюринга, профессор Нью-Йоркского университета и руководитель фундаментальными исследованиями в Facebook, он является одним из изобретателей глубокого обучения, применяемого к так называемым искусственным нейронным сетям, архитектура и функционирование которых вдохновлены устройством человеческого мозга. В своей книге он, не прибегая к метафорам, делится своим научным подходом на стыке компьютерных наук и нейробиологии, проливая свет на будущее искусственного интеллекта, связанные с ним проблемы и перспективы. Сегодня искусственный интеллект действительно меняет общество. Эта понятная и доступная книга перенесет вас в самое сердце машины, открывая новый увлекательный мир, который уже является нашей реальностью.
Доп.точки доступа:
Арсенова, Е. \пер.\
Скворцова, В. \ред.\
Плец, М. \ред.\
42.
Подробнее
Трофимов, В. Б.
Интеллектуальные автоматизированные системы управления технологическими объектами : учебное пособие / Трофимов В. Б. - Москва, Вологда : Инфра-Инженерия, 2020. - 256 с. - ISBN 978-5-9729-0488-4 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.96
Кл.слова (ненормированные):
асу -- интеллектуальная система -- нейронная сеть -- нейроэкспертный метод -- прокатное производство -- технологический объект -- черная металлургия
Аннотация: Представлены теоретические и прикладные основы интеллектуальных АСУ применительно к сложным техническим и человеко-техническим объектам. Выполнены анализ, обобщение и развитие концептуальных основ интеллектуальных систем контроля и управления сложными динамическими объектами, разработаны новые нейроэкспертные методы и алгоритмы распознавания, оптимизации, регулирования, создано алгоритмическое и программное обеспечение интеллектуальных систем для решения актуальных задач контроля и управления агрегатами и производственными участками предприятий черной металлургии. Для специалистов и исследователей в области систем управления, АСУТП, АСУП, а также для студентов, аспирантов, преподавателей вузов.
Доп.точки доступа:
Кулаков, С. М.
Трофимов, В. Б.
Интеллектуальные автоматизированные системы управления технологическими объектами : учебное пособие / Трофимов В. Б. - Москва, Вологда : Инфра-Инженерия, 2020. - 256 с. - ISBN 978-5-9729-0488-4 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
асу -- интеллектуальная система -- нейронная сеть -- нейроэкспертный метод -- прокатное производство -- технологический объект -- черная металлургия
Аннотация: Представлены теоретические и прикладные основы интеллектуальных АСУ применительно к сложным техническим и человеко-техническим объектам. Выполнены анализ, обобщение и развитие концептуальных основ интеллектуальных систем контроля и управления сложными динамическими объектами, разработаны новые нейроэкспертные методы и алгоритмы распознавания, оптимизации, регулирования, создано алгоритмическое и программное обеспечение интеллектуальных систем для решения актуальных задач контроля и управления агрегатами и производственными участками предприятий черной металлургии. Для специалистов и исследователей в области систем управления, АСУТП, АСУП, а также для студентов, аспирантов, преподавателей вузов.
Доп.точки доступа:
Кулаков, С. М.
43.
Подробнее
Кудинов, Ю. И.
Интеллектуальные информационные системы : учебное пособие для СПО / Кудинов Ю. И. - Липецк, Саратов : Липецкий государственный технический университет, Профобразование, 2020. - 63 с. - ISBN 978-5-88247-961-8, 978-5-4488-0748-0 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.813
Кл.слова (ненормированные):
генетический алгоритм -- интеллектуальная система -- информационная система -- нейронная сеть -- нечеткая модель
Аннотация: Учебное пособие включает теоретический и практический материал, позволяющий овладеть необходимыми базовыми знаниями в области интеллектуальных систем и приобрести первичные навыки работы с нейронными сетями, генетическими алгоритмами и нечеткими моделями. Подготовлено в соответствии с требованиями Федерального государственного образовательного стандарта среднего профессионального образования. Предназначено для изучения дисциплины «Интеллектуальные информационные системы» по специальностям 10.02.02 «Информационная безопасность телекоммуникационных систем», 10.02.04 «Обеспечение информационной безопасности и телекоммуникационных систем».
Кудинов, Ю. И.
Интеллектуальные информационные системы : учебное пособие для СПО / Кудинов Ю. И. - Липецк, Саратов : Липецкий государственный технический университет, Профобразование, 2020. - 63 с. - ISBN 978-5-88247-961-8, 978-5-4488-0748-0 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
генетический алгоритм -- интеллектуальная система -- информационная система -- нейронная сеть -- нечеткая модель
Аннотация: Учебное пособие включает теоретический и практический материал, позволяющий овладеть необходимыми базовыми знаниями в области интеллектуальных систем и приобрести первичные навыки работы с нейронными сетями, генетическими алгоритмами и нечеткими моделями. Подготовлено в соответствии с требованиями Федерального государственного образовательного стандарта среднего профессионального образования. Предназначено для изучения дисциплины «Интеллектуальные информационные системы» по специальностям 10.02.02 «Информационная безопасность телекоммуникационных систем», 10.02.04 «Обеспечение информационной безопасности и телекоммуникационных систем».
44.
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.
45.
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 5, Результатов: 45