Eng | Rus | Ukr
Основы проектирования интеллектуальных систем
05.02.2009

<< prev | ^up^ | next >>

3. Нейронные сети.

3.1.   Структура и математическая модель нейронной сети (НС).

3.2.   Градиентный алгоритм обучения Back Propagation (BP).

3.3.   Выводрекуррентного соотношения для вычисления ошибки любого слоя в алгоритме ВР.

3.4.   Ускорение сходимости алгоритмов обучения НС. Алгоритм сопряженных градиентов.

3.5.   Генетический алгоритм обучения НС.

3.6.   Усовершенствование градиентных алгоритмов обучения.

3.7.   Самоорганизующиеся НС. Алгоритм обучения Кохонена.

3.8.   Применение НС в задачах прогнозирования в макроэкономике.

3.9.   Нейронная сеть Хопфилда и ее применение.

3.10.  Перцептроны. Их свойства, архитектура и алгоритмы обучения.

3.11. Нечеткие нейронные сети. Свойства. Алгоритмы функционирования. Применение.

  3.11.1. Принципы построения и структура систем нечеткого управления. Общая характеристика.
3.11.2. Контроллер Мамдани.
3.11.3. Нечеткий контроллер на базе нейронных сетей.
3.11.4. Распространение ошибки в нечетком нейронном контроллере.
3.11.5. Алгоритм нечеткого распространия ошибки.
3.11.6. Применение нечетких нейронных сетей для аппроксимации функций.
Предсказание временных рядов.

3.11.7. Нечеткий перцептрон как общая модель для нечетких нейронных контроллеров.

<< prev | ^up^ | next >>

 
     
  Copyright © 2002-2004