Искусственный интеллект и логические нейронные сети, Барский А.Б., 2019

Искусственный интеллект и логические нейронные сети, Барский А.Б., 2019.

   В рамках известных парадигм Н.М. Амосова исследуются основные задачи искусственного интеллекта и возможности их решения с помощью логических нейронных сетей, построенных на основе математической логики событий. Предлагаются модели дедуктивного и индуктивного мышления на базе языка логического вывода ПРОЛОГ. На базе аппарата логических нейронных сетей приводится решение актуальных и перспективных задач ассоциативных вычислений: аппроксимации опытных данных и построения информационно-справочных систем по принципу ассоциативной выборки, задач распознавания объектов и символов, построения рейтинговых систем и банковского мониторинга, систем управления качеством, обучаемых и самообучающихся систем управления, способов ускорения реакции операционной системы суперкомпьютера, задачи «живого» моделировании. Демонстрируется простейший подход к построению и развитию обученных нейронных сетей.
Книга предназначена для студентов, обучающихся в магистратуре технических и экономических вузов, аспирантов, инженеров и исследователей в области применения современных информационных технологий искусственного интеллекта в системах моделирования, управления и принятия решений.




Булева алгебра.
Да, Поэт прав: всякая формализация основ нашей жизни - мышления, призвана утвердить на абстрактном уровне бесчувственность, бесчеловечность. Но это оправдано, если целью наших исследований является не паразитическое применение методов человеческого интеллекта во благо личности, а его развитие.

Казалось бы, после Лекции 1 возвращаться к основам математической логики нет смысла. Но ведь там был приведён только материал, позволивший построить новую теорию - математическую логику событий. Были ли при этом исчерпаны все построения, позволяющие в широком плане моделировать искусственный интеллект? Очевидно, нет. Кроме того, перед вами не монография, а учебное пособие, где в методическом плане разделы должны быть достаточно автономны и содержать допустимое повторение основ, в разных вариантах складывающихся в систему. В то же время, излишнее теоретизирование недопустимо.

ОГЛАВЛЕНИЕ.
ПРЕДИСЛОВИЕ.
ВВЕДЕНИЕ.
ГЛАВА I. ЛОГИЧЕСКИЕ ОСНОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА.
Лекция 1. Математическая логика событий и логические нейронные сети.
1.1. Исчерпывающее множество событий.
1.2. Дерево логических возможностей. Факторное пространство событий.
1.3. Система принятия решений.
1.4. «Схемотехническое» представление системы принятия решений.
1.5. Достоверность высказываний о событиях.
1.6. Система принятия решений на основе достоверности высказываний о событиях.
1.7. Минимизация длины логической цепочки в системе принятия решений.
1.8. Выбор и обоснование функции активации нейрона.
Лекция 2. Силлогистика Аристотеля.
2.1. Сущности и базовые высказывания.
2.2. Законы силлогистики.
2.3. Силлогизмы.
Лекция 3. Основы математической логики.
3.1. Булева алгебра.
3.2. Исчисление высказываний.
3.3. Основы исчисления предикатов.
Лекция 4. Методы дедуктивных и индуктивных рассуждений.
4.1. Возможности автоматизации достоверных (дедуктивных) рассуждений.
4.2. Возможности автоматизации правдоподобных (индуктивных) рассуждений.
4.3. Нечёткие рассуждения и выводы.
Лекция 5. Вывод по базе знаний.
5.1. Продукционные системы.
5.2. Интеллектуальные операции над базой данных.
5.3. Классификация продукций.
5.4. Управление выводом.
5.5. Вывод на семантической сети.
5.6. Вопрос - ответ. Спор.
Лекция 6. Десять задач искусственного интеллекта по Д.А. Поспелову и возможности логических нейронных сетей.
6.1. Переход к аргументации.
6.2. Проблема оправдания.
6.3. Порождение объяснений.
6.4. Поиск релевантных знаний.
6.5. Понимание текстов.
6.6. Синтез текстов.
6.7. Когнитивная графика.
6.8. Многоагентные системы.
6.9. Сетевые модели.
6.10. Метазнания.
Лекция 7. Моделирование дедуктивного и индуктивного мышления с помощью языка логического вывода ПРОЛОГ.
7.1. О языке логического программирования ПРОЛОГ.
7.2. Возможность решения задач логического вывода с помощью языка ПРОЛОГ.
7.3. Формирование базы знаний на языке ПРОЛОГ.
7.4. Дедуктивное мышление.
7.5. Получение новых знаний методом индуктивного мышления.
ГЛАВА II. НЕЙРОСЕТЕВЫЕ МЕТОДЫ УПРАВЛЕНИЯ.
Лекция 8. Обретение навыков построения систем ассоциативных вычислений, распознавания символов и принятия решений.
8.1. Введение в ассоциативные вычисления.
8.2. Распознавание нечётких символов персептроном.
8.3. Система принятия решений «Железнодорожная рулетка».
8.4. Актуальная реализация бизнес-проекта.
8.5. Формирование информации на рецепторном слое.
Лекция 9. Развиваемая логическая нейронная сеть для распознавания объектов временного ряда по заданному набору признаков.
9.1. Детерминированные оценки объектов временного ряда.
9.2. Структурированная, не однослойная логическая нейронная сеть.
9.3. Преобразование структурированной нейросети в однослойную, допускающую неограниченное развитие.
9.4. Нечёткие оценки признаков объектов временного ряда.
9.5. Введение обратных связей.
Лекция 10. Логические нейронные сети с обратными связями.
10.1. Нейронная сеть по А.П. Чехову.
10.2. Развитие гипотезы.
Лекция 11. Рейтинговые системы на логических нейронных сетях.
11.1. Структура нейросети и способы обучения.
11.2. Структура экрана рецепторов.
Рис. 11.1. Экран рецепторов.
11.3. Структура экрана выходного слоя, отображающего рейтинг банков - эталонов.
Рис. 11.2. Экран выходного слоя.
11.4. Пример определения рейтинга на основе банков - эталонов.
11.5. Построение обученной логической нейронной сети на основе интервалов значений показателей.
11.6. Отображение и управление рейтинговой системой с помощью матриц связей.
Лекция 12. Управление качеством при модернизации и развитии сложных систем в условиях финансовых и технологических ограничений.
12.1. Задача управления качеством сложной системы.
12.2. Рейтинг объектов сложной системы.
12.3. Рейтинговая система на основе интервалов значений показателей качества объектов сложной системы.
12.4. Отображение системы концентрических областей одинакового рейтинга.
12.5. О стратегии повышения качества сложных систем в условиях финансовых и технологических ограничений.
Лекция 13. Обучаемые и самообучающиеся системы распознавания, управления и принятия решений на логических нейронных сетях.
13.1. Аппроксимация опыта и ассоциативные «бесформульные» вычисления.
13.2. Медицинские информационно-справочные системы.
13.3. Идентификация пользователя в компьютерной сети по «почерку».
13.4. Адаптивная пошаговая маршрутизация в беспроводной телекоммуникационной сети.
13.5. Некоторые «незаконченные» системы принятия решений.
13.6. Самообучающиеся системы управления.
13.7. Динамический выбор оптимальной стратегии распараллеливания в многопроцессорной вычислительной системе.
Лекция 14. Нейросетевой метод ускоренного принятия решений операционной системой суперкомпьютера EPIC -архитектуры.
14.1. Выбор моделей логической нейронной сети.
14.2. Возбуждение рецепторов.
14.3. Схема поиска решения.
14.4. Оптимизация скалярного умножения векторов при счёте значения функции активации.
14.5. Распараллеливание скалярного умножения векторов.
Лекция 15. Нейросетевые модели пошаговой оптимизации, маршрутизации и тактических игр.
15.1. Логическая нейронная сеть — средство пошагового принятия решений.
15.2. Нейросетевая транспортная модель динамической маршрутизации.
15.3. Движение транспорта с выбором альтернативного пункта смещения.
15.4. Нейросетевой «подсказчик» в тактической игре.
Лекция 16. Основы трёхмерного «живого» моделирования.
16.1. Какую задачу мы хотим решить?.
16.2. Создание графических объектов в модели трёхмерной памяти.
16.3. Логические нейронные сети в основе управления трёхмерными компьютерными объектами.
16.4. Создание стереоэффекта с помощью системы прозрачных мониторов.
16.5. Прямоугольное экранное пространство.
16.6. Сферическое экранное пространство.
16.7. Цилиндрическое экранное пространство.
16.8. Вычислительные средства управления объёмным экраном.
16.9. Возможность применения реагирующего объекта для прогноза погоды.
Лекция 17. Перспективные нейросетевые технологии.
17.1. Служба безопасности.
17.2. Парк фантасмагорий.
17.3. Компьютерный человечек КОМПИ.
17.4. Диагностика.
17.5. Тестирование в сфере образовательных услуг.
17.6. Печать рукописи.
17.7. Экстренное торможение локомотива.
17.8. Интеллектуальное протезирование конечностей.
17.9. Сивилла-прорицательница.
ЗАКЛЮЧЕНИЕ.
ОБЩИЙ ГЛОССАРИЙ.
ЛИТЕРАТУРА.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Искусственный интеллект и логические нейронные сети, Барский А.Б., 2019 - fileskachat.com, быстрое и бесплатное скачивание.

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


Скачать - djvu - Яндекс.Диск.




Теги: учебник по информатике :: информатика :: компьютеры :: Барский