Нейронные сети и нейроконтроллеры, Бураков М.В., 2013

Нейронные сети и нейроконтроллеры, Бураков М.В., 2013.

   В учебном пособии рассматриваются основы теории нейронных сетей и нейроконтроллеров, необходимые для понимания принципов нейросетевых технологий, - мощного средства построения систем автоматизации, которое в последние годы активно используется в инженерной практике. Приводится описание основных структур нейронных сетей регуляторов, рассмотрены примеры решения конкретных задач. Описываются возможности пакета математического моделирования MatLab для анализа и синтеза нейронных регуляторов.
Учебное пособие предназначено для подготовки бакалавров и магистров по направлению 220400 «Управление в технических системах».

Нейронные сети и нейроконтроллеры, Бураков М.В., 2013


Биологические представления о нейроне.
Нервная клетка, или нейрон, живого организма представляет собой элемент, который может находиться в двух состояниях - возбуждения и торможения. Однако нейрон имеет более сложную организацию, чем триггер, - элемент с двумя устойчивыми состояниями. Рассмотрим основные представления о работе нейрона [36].

Схематическое изображение нейрона приведено на рис. 1.2. Он состоит из трех основных частей: тела клетки (сомы), дендритов и аксона (нейрита).
Размеры нейронов колеблются в широких пределах в зависимости от уровня организации животных, местоположения, функционального их назначения и других факторов. Например, клетки мозжечка имеют размер около 5 мкм, моторные клетки головного и спинного мозга - 70 мкм.

Сома нейрона отвечает за управление расходом энергии, питание, обновление ресурсов и другие процессы.
Дендриты (древовидные отростки) - это входы, по которым к телу клетки подводятся импульсы раздражения. Число отростков дендритов может достигать сотен, а их длина колеблется от долей миллиметра до десятков сантиметров. Они образуют густо ветвящееся дендритное дерево разной формы.

СОДЕРЖАНИЕ.
Введение.
1. Нейронные сети. Базовые понятия.
1.1. Некоторые сведения о мозге человека.
1.2. Биологические представления о нейроне.
1.3. Понятие нейрокомпьютера.
1.4. Классификация нейронных сетей.
1.5. Задача распознавания и линейная машина.
1.6. Искусственный нейрон.
1.7. Проблема линейной разделимости.
1.8. Правило обучения Хебба.
1.9. Концепция входной и выходной звезды.
1.10. Парадигмы обучения.
1.11. Предварительная обработка информации и оценка качества работы нейросети.
Вопросы для самопроверки.
2. Однослойные нейронные сети.
2.1. Описание искусственного нейрона в MatLab.
2.2. Персептрон.
2.3. Линейная нейронная сеть.
2.4. Рекуррентный метод наименьших квадратов.
2.5. Линейная сеть с линией задержки.
Вопросы для самопроверки.
3. Нейронные сети прямого распространения.
3.1. Топология и свойства.
3.2. Алгоритм обратного распространения ошибки.
3.3. Реализация логических функций.
3.4. Аппроксимация функций.
3.5. Распознавание символов.
3.6. Моделирование статических зависимостей.
3.7. Масштабирование и восстановление данных.
Вопросы для самопроверки.
4. Нейроуправление.
4.1. Идентификация динамических звеньев.
4.2. Нейроэмуляторы и нейропредикторы.
4.3. Концепция нейроуправления.
4.4. Инверсное нейроуправление.
4.5. Нейроконтроллеры в MatLab.
Вопросы для самопроверки.
5. Радиальные нейронные сети.
5.1. Структура радиальной нейронной сети.
5.2. Расчет параметров радиальной нейронной сети.
5.3. Обучение радиальной нейронной сети.
5.4. Радиальные нейронные сети в MatLab.
5.5. Радиальные нейронные сети и нечеткие системы.
Вопросы для самопроверки.
6. Модели ассоциативной памяти.
6.1. Нейронная сеть Элмана.
6.2. Сети Хопфилда.
6.3. Двунаправленная ассоциативная память.
6.4. Нейронная сеть Хэмминга.
6.5. Адаптивные резонансные нейронные сети.
Вопросы для самопроверки.
7. Нейронные сети Кохонена.
7.1. Структура сети Кохонена.
7.2. Обучение сети Кохонена.
7.3. Слой Кохонена.
7.4. Самоорганизующиеся карты Кохонена.
7.5. Нейронные сети классификации.
Вопросы для самопроверки.
8. Стохастические методы обучения нейронных сетей.
8.1. Задача коррекции динамической системы.
8.2. Методы глобальной оптимизации.
8.3. Метод имитации отжига.
8.4. Генетический алгоритм.
8.5. Метод роя частиц.
8.6. Другие метаэвристические алгоритмы.
Вопросы для самопроверки.
Заключение.
Библиографический список.
Приложение 1.
Приложение 2.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Нейронные сети и нейроконтроллеры, Бураков М.В., 2013 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу



Скачать - pdf - Яндекс.Диск.
Дата публикации:





Теги: :: :: ::


Следующие учебники и книги:
Предыдущие статьи:


 


 

Книги, учебники, обучение по разделам




Не нашёл? Найди:





2021-10-23 23:13:07