Электронная библиотека

1. Технология искусственных нейронных сетей.
   Составные части искусственных нейронных сетей и их назначение. Принципы обучения нейронных сетей. Перевод главы из книги Rosenblatt F. 1962. "Principles of neurodynamics".


2. Нейронные сети.
   Материал портала www.statsoft.ru. Описание архитектур нейронных сетей, обзор методов обучения. Применение нейронных сетей. Терминологические ссылки.


3. Зачем нужны нейронные сети?
   Автор: Сергей Колесников. Материал электронного издания "Компьютер-Информ". Большое количество примеров применения искусственных нейронных сетей в бизнесе, медицине, анализе и прогнозировании.


4. Основы искусственных нейронных сетей
   Материалы из книги Ф. Уоссермена "Нейрокомпьютерная техника: Теория и практика". Перевод на русский язык, Ю. А. Зуев, В. А. Точенов, 1992.


5. Обучение персептрона, дельта-правило, трудности обучения.
   Материалы из книги Ф. Уоссермена "Нейрокомпьютерная техника: Теория и практика". Перевод на русский язык, Ю. А. Зуев, В. А. Точенов, 1992.


6. Обучение персептрона с использованием процедуры обратного распространения
   Материалы из книги Ф. Уоссермена "Нейрокомпьютерная техника: Теория и практика". Перевод на русский язык, Ю. А. Зуев, В. А. Точенов, 1992.


7. Сети встречного распространения. Слой Кохонена. Слой Гроссберга. Аспекты обучения. Особенности функционирования сети.
   Материалы из книги Ф. Уоссермена "Нейрокомпьютерная техника: Теория и практика". Перевод на русский язык, Ю. А. Зуев, В. А. Точенов, 1992.


8. Нейросетевые методы распознавания изображений.
   Авторы: Д. Брилюк, В. Старовойтов. Публикации на daily.sec.ru. Использование различных архитектур для решения задачи классификации. Достоинства и недостатки использования каждой из архитектур.


9. Kohonen's Self-Organizing Map (SOM).
   Материалы с портала www.willamette.edu. Обучение сетей Кохонена. Сжато и понятно изложенный материал.


10. Multi-layer networks.
    Материалы с портала www.willamette.edu. Выбор нелинейной функции активации. Расширение скрытых слоев - расширение возможностей сети.


11. Optimal Weight and Learning Rates for Linear Networks
    Материалы с портала www.willamette.edu. Методика оптимального подбора значений весов. Градиентный метод - достижение оптимального темпа обучения.