1. http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html
Название: NEURAL NETWORKS
Автор: Christos Stergiou, Dimitrios Siganos
Описание: Этот доклад представляет собой введение в предмет искусственных нейронных сетей. Показаны различные типы нейронных сетей и их применение. Приведены и продемонстрированы различные математические модели.
2. http://www.benbest.com/computer/nn.html
Название: An Overview of Neural Networks
Автор: Ben Best
Описание: В данной работе приведено подробное описание структуры нейронной сети и принцип ее работы.
3.http://www.cs.stir.ac.uk/~lss/NNIntro/InvSlides.html
Название: An Introduction to Neural Networks
Автор: Leslie Smith
Дата: 25.10.1996
Описание: В статье рассматриваются различные топологии нейронных сетей, математические модели.
4. http://www.learnartificialneuralnetworks.com/
Название: Neural networks: A requirement for intelligent systems
Описание: Введение в предмет нейронных сетей, история их развития, описание различных топологий нейронных сетей, математические модели, обучение нейронных сетей.
5.http://www.inrialpes.fr/Berry/Images/ECCS07_Jiang.pdf
Название: Optimising the topology of complex neural networks
Автор: Fei Jiang, Hugues Berry, Marc Schoenauer
Описание: В данной работе рассматриваются нейронные сети со сложной топологией, методы их оптимизации и увеличения эффективности.
6. http://www.emilstefanov.net/Projects/NeuralNetworks.aspx
Название: Neural Networks
Автор: Emil Stefanov
Дата: 2010
Описание: В данной работе описываются нейронные сети, их топология и обучение, приводятся практические результаты.
7. http://www.learnartificialneuralnetworks.com/kohonen.html
Название: Kohonen
Описание: Рассматривается нейронная сеть Кохонена, области ее применения, приведена математическая модель и результаты работы нейронной сети.
8. http://www.hpcc.org/datafile/V21N1/neural1.html
Название: Neural Networks. Part I: Feedforward Hardlimited Networks
Автор: Peter Gatenby
Описание: Описана нейронная сеть прямого распространения, приведены математическая модель и части программного кода.
9. http://www.scitopics.com/Recursive_neural_networks_for_processing_structured_data.html
Название: Recursive neural networks for processing structured data
Автор: Monica Bianchini
Дата: 13.10.2008
Описание: В данной работе описано применение нейронных сетей с обратным распространением ошибки для обработки структурированной информации.
10. . http://uhavax.hartford.edu/compsci/neural-networks-tutorial.html
Название: Neural Networks
Автор: Ingrid F. Russell
Описание: В данной статье приводятся различные топологии нейронных сетей, их описание и математические модели.
11. http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html
Название: NEURAL NETWORKS
Автор: Christos Stergiou, Dimitrios Siganos
Описание: Этот доклад представляет собой введение в искусственные нейронные сети, приведены исторические данные, описаны различные топологии нейронных сетей и их применение.
12. http://free.beyonddream.com/NeuralNet/index.htm
Название: Fundamentals of Neural Networks
Автор: Zhanshou Yu
Описание: В данной работе приводится описание искусственных нейронных сетей, их топологии, математические модели, активационные функции и обучение НС.
Многослойный персептрон
13. www.ievbran.ru/kiril/Library/Book1/content394/content394.htm
Название: Нейросетевое моделирование: многослойный персептрон
Автор: Шитиков В.К., Розенберг Г.С., Зинченко Т.Д.
Дата: 2003
Описание: Рассматривается создание многослойного персептрона, описана его структура, математическая модель, его обучение, ошибки и их устранение. Затем приведены результаты расчетов.
14. http://www.artificial-neural-networks.info/2008/05/perceptron-neural-network.html
Название: Perceptron neural network
Дата: 22.05.2008
Описание: В данной работе рассматриваются общие положения нейронных сетей и многослойного персептрона и их применение.
15. http://thadeusb.com/weblog/2008/12/16/artificial_neural_networks_multi_layer_perceptron
Название: Artificial Neural Networks - Multi-Layer Perceptron
Дата: 16.12.2008
Описание: В данном учебнике приводится обзор нейронных сетей, описание многослойного персептрона, его топология, описание алгоритмов прямого и обратного распространения.
16. http://www.learnartificialneuralnetworks.com/backpropagation.html#working
Название: Backpropagation Neural Network
Дата: 2007
Описание: Рассматривается многослойный персептрон прямого распространения, алгоритм обратного распространения ошибки, обучение таких сетей и скорость их обучения.
17. http://galaxy.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html
Название: Principles of training multi-layer neural network using backpropagation
Автор: Ryszard Tadeusiewcz
Дата: 1992
Описание: Подробное описание принципов обучения многослойного персептрона используя метод обратного распространения ошибки.
18. http://cortex.snowcron.com/neural_networks.htm
Название:
Автор:
Дата:
Описание: В данной статье делается попытка дать логическое объяснение вычислений в искусственных нейронах и построить нейронную сеть на новых принципах.
19. http://dynamicnotions.blogspot.com/2008/09/training-neural-networks-using-back.html
Название: Training Neural Networks Using Back Propagation in C#
Автор: John Wakefield
Дата: 21.09.2008
Описание: В данной работе описано обучение нейронной сети с помощью метода обратного распределения ошибки с приведением программного кода на C#.
20. http://www.dtreg.com/mlfn.htm
Название: Multilayer Perceptron Neural Networks
Описание: Приведены исторические сведения о нейронных сетях, их различные типы, описано строение и обучение многослойного персептрона.
21. http://ei.cs.vt.edu/~history/Perceptrons.Estebon.html
Название: Perceptrons: An Associative Learning Network
Автор: Michele D. Estebon
Дата: 1997
Описание: Описание, разработка и использование многослойного персептрона.
22. http://offthelip.org/?p=180
Название: Multi-layered Perceptron Trained With Backpropagation
Автор: Matthieu Riou
Дата: 27.06.2010
Описание: В статье приведено обучение многослойного персептрона с обратным распространением ошибки.
Прогнозирование
23. http://www.scipub.org/fulltext/jcs/jcs65606-612.pdf
Название: Data Optimization with Multilayer Perceptron Neural Network and Using New Pattern in Decision Tree Comparatively
Автор: Murat Kayri, Omay Cokluk
Дата: 2010
Описание: Целью данной работы является продемонстрировать работу нейронных сетей. Приведены статистические данные и результаты прогноза.
24. http://www.karlbranting.net/papers/plummer/Paper_7_12_00.htm
Название: Time series forecasting with feed-forward neural networks: guidelines and limitations
Автор: Eric A. Plummer
Дата: 2000
Описание: В данной статье описаны правила и ограничения создания нейронных сетей для прогнозирования. Описаны важные моменты и трудности , представлены математические модели, описаны сети прямого распространения и с обратным распространением ошибки и их обучение.
25. http://www.resample.com/xlminer/help/NNCPredict/NNCPredict_intro.htm
Название: Neural Networks Prediction
Описание: В статье рассматривается применение нейронных сетей для прогнозирования, алгоритм обратного распространения ошибки.
26. http://www.smartquant.com/references/NeuralNetworks/neural30.pdf
Название: Time Series Prediction and Neural Networks
Автор: R.J.Frank, N.Davey, S.P.Hunt
Описание: В данной статье описаны прогнозирующие нейронные сети с использованием временных рядов, предоставлена математическая модель и результаты экспериментов.
27. http://ideas.repec.org/p/hhs/hastef/0508.html
Название: Building neural network models for time series: A statistical approach
Автор: Medeiros Marcelo, Teräsvirta Tim, Rech Gianluigi
Дата: 01.09.2002
Описание: Данная работа посвящена моделированию искусственных нейронных сетей для прогнозирования временных рядов. Описан выбор топологии нейронной сети.
28. http://www.jatit.org/volumes/research-papers/Vol4No12/12Vol4No12.pdf
Название: Time series modeling using artificial neural networks
Автор: P.Ram Kumar, M.V.Ramana Murthy, D.Eashwar, M.Venkatdas
Описание: В статье описано применение нейронных сетей для прогнозирования временных рядов, приведены исторические сведения, описан метод обратного распространения ошибки.
29. http://www.scribd.com/doc/2070417/spiral-recurrent-neural-network-for-time-series-prediction
Название: Spiral Recurrent Neural Network for Online Learning
Автор: Huaien Gao, Rudolf Sollacher, Hans-Peter Kriegel
Описание: Статья посвящается применению искусственных нейронных сетей с обратным распространением ошибки для прогнозирования временных рядов, приведена математическая модель и результаты работы.
30. http://www.aaai.org/Papers/AAAI/2002/AAAI02-038.pdf
Название: Segmenting Time Series with a Hybrid Neural Networks - Hidden Markov Model
Автор: Laura Firoiu, Paul R. Cohen
Дата: 2002
Описание: Эта статья описывает работу над гибридной искусственной нейронной сетью для поиска закономерностей временных рядов.
Работы магистров ДонНТУ
31. http://masters.donntu.ru/2003/fvti/paukov/library/neurow.htm
Название: Нейронные сети: прогнозирование как задача распознавания образов
Автор: О. И. Федяев, Д. П. Пауков
Описание: Рассматривается проблема приближения временных рядов нейросетевым базисом. Расказывается как задача прогнозирования сводится к задаче распознавания образов.
32. http://masters.donntu.ru/2004/fvti/tikhonov/library/nirs.pdf
Название: Анализ применимости искусственных нейронных сетей для задач управления динамическими объектами.
Автор: Тихонов А.Е.
Описание: В данной работе приведены основные свойства нейронных сетей обратного распространения ошибки, показана возможность применения нейронных сетей для задач информационного моделирования динамических объектов.
33. http://masters.donntu.ru/2006/fvti/lazebnik/library/art05.pdf
Название: Использование нейросетевых технологий для прогнозирования уровня подземных вод
Автор: Лазебник Е.А., Губенко Н.Е.
Описание: В настоящей работе описан опыт применения нейросетевых технологий для решения задач прогноза и глобального моделирования изменений уровня подземных вод. С помощью нейросетевой нелинейной регрессии решены задачи прогнозирования.
34. http://masters.donntu.ru/2010/fknt/kostetskaya/library/art05/index.html
Название: Распознавание образов на основе сверточных нейронных сетей
Автор: Костецкая Г.Ю., Федяев О.И.
Описание: В статье описывается система распознавания человеческих лиц на основе сверточных нейронных сетей.
35. http://masters.donntu.ru/2006/fvti/isaenko/library/art01.htm
Название: Проблема распознавания образов с использованием нейронных сетей
Автор: Теплинский К. С., Исаенко А. П.
Описание: В работе определены вопросы построения нейронной сети, логическая структура работы для решения указанных задач, рассматривается пример распознавания рукописных букв.
36. http://masters.donntu.ru/2005/kita/blizkaya/library/st1.htm
Название: Разработка метода обработки изображений на основе метода нелинейной низкочастотной фильтрации с использованием нейроподобной структуры на основе преобразования Фурье.
Автор: Близкая О.В.
Описание: В статье описан алгоритм обработки изображений на основе метода нелинейной низкочастотной фильтрации с использованием нейроподобной структуры на основе преобразования Фурье.
37. http://masters.donntu.ru/2005/kita/tkachenko/library/article01/index.htm
Название: Программная реализация нейронных сетей для обучения в системах реального времени
Автор: Скобцов Ю. А., Ткаченко А. В.
Описание: Рассматриваеться проблема программной реализации нейронных сетей для систем реального времени. Сделан обзор наилучших методов обучения нейронных сетей. Алгоритм RPROP изучен как один из наиболее эффективных алгоритмов адаптации весовых коэффициентов. Рассмотрен метод сопряженных графов для генерации градиента ошибки обучения. Изучена проблема начальной инициализации весовых коэффициентов. Метод инициализации Нгуена-Видроу выбран как метод дающий хорошее начальное приближение. Разработана библиотека программ на языке С реализующая перечисленные методы. Показана высокая скорость разработанной библиотеки по сравнению с Mathlab.
38. http://masters.donntu.ru/2004/fvti/solomka/library/article2.htm
Название: Применение генетических алгоритмов для обучения нейронных сетей
Автор: Федяев О.И., Соломка Ю.И.
Описание: В статье рассматривается проблема обучения нейронных сетей. Сравниваются два алгоритма обучения: генетический алгоритм и алгоритм обратного распространения ошибки. Приведены результаты экспериментов по обучению НС.
39. http://masters.donntu.ru/2008/fvti/makhno/library/article1.htm
Название: Распознавание искусственными нейронными сетями графических образов при наличии искажений в реальном времени
Автор: Махно Ю.С., Федяев О.И.
Описание: В докладе основной раскрываемой темой является, за счет чего достигается быстрота распознавания, а также устойчивость к искажениям при использовании неокогнитрона.
40. http://masters.donntu.ru/2006/eltf/sheludko/library/art_03.htm
Название: Применение нейросетей в системах управления электроприводами
Автор: Шелудько Д.И., Коротков А.В.
Описание: Сборник научных трудов 5-й международной научно-технической конференции аспирантов и студентов "Автоматизация технологических объектов и процессов. Поиск молодых", Донецк, 2005 г.