Web ИРБИС


	\| начало \| написать нам \| в избранное \| сделать стартовой \|

ДЛЯ РАБОТЫ С БАЗАМИ ОГРАНИЧЕННОГО ДОСТУПА ТРЕБУЕТСЯ АВТОРИЗАЦИЯ
ДАННАЯ ВЕРСИЯ СИСТЕМЫ НЕ ПОДДЕРЖИВАЕТСЯ!!! БАЗЫ НЕ ОБНОВЛЯЮТСЯ!!! ПОЛЬЗУЙТЕСЬ НОВОЙ ВЕРСИЕЙ ПОИСКОВОЙ СИСТЕМЫ!!! >>>

Базы данных

ЭБС "ЛАНЬ" - результаты поиска

Виды поиска

Электронный каталог

ЭБС "ЛАНЬ"

ЭБС "ZNANIUM.com" (ИД "ИНФРА-М")

Электронная библиотека

Известные деятели культуры в Саратовской губернии

Работы В. А. Артисевич и литература о ней

Издания вузовских библиотек Среднего и Нижнего Поволжья

Публикации учёных СГУ

Краеведческий обзор

Поступления журналов в ЗНБ СГУ

БД коллекций в фонде ЗНБ СГУ

БД выпускных квалификационных работ

Сводный каталог библиотек (СГУ, СГТУ, ЦБС)

Область поиска

В текущей базе данных найдено документов :2

В других БД по вашему запросу найдено:

Сводный каталог библиотек (СГУ, СГТУ, ЦБС) (3)

Формат представления найденных документов:
полный	информационный	краткий

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>KL=нейронная сеть<.>)

Общее количество найденных документов : 2
Показаны документы с 1 по 2

Хливненко, Л. В.
Практика нейросетевого моделирования [Электронный ресурс] : учебное пособие / Л. В. Хливненко, Ф. А. Пятакович. - Санкт-Петербург : Лань, 2019. - 200 с. - ISBN 978-5-8114-3639-2 : Б. ц.
Книга из коллекции Лань - Информатика

УДК

004

ББК 32.973

Рубрики: Информатика--Администрирование--Лань

Кл.слова (ненормированные):
нейронная сеть -- нейросетевой модуль -- многоагентная система -- архитектура -- стохастический алгоритм -- проектирование
Аннотация: В книге рассмотрены теоретические основы моделирования искусственных нейронных сетей различной архитектуры. Приведены алгоритмы обучения однослойных и многослойных сетей прямого распространения, самоорганизующихся и рекуррентных сетей. Рассмотрено моделирование многоагентных систем на основе эволюционирующих нейронных сетей. Приводятся оригинальные методики визуализации внутреннего состояния обученной нейронной сети и решения задач классификации, категоризации, прогнозирования, восстановления зашумленной информации. Даны методологические основы проектирования нейросетевых модулей решения задач в виде компьютерных приложений. Приведены описания структур, интерфейсов и компьютерные коды основных блоков нейросетевых приложений. Описаны методы комбинирования градиентных и стохастических алгоритмов обучения для повышения эффективности решения практических задач. Приводятся оригинальные методики решения задач распознавания образов, прогнозирования курсов валют, задач медицинской диагностики. Рассмотрены методы и способы оценки эффективности разработанных нейросетевых моделей. Издание может быть использовано в курсах «Проектирование интеллектуальных систем», «Компьютерные технологии в медико-биологической практике», «Автоматизация обработки медицинской информации», «Управление в биотехнических системах». Может быть, полезно также для научных работников, специализирующихся в области разработки автоматизированных систем искусственного интеллекта и когнитивного моделирования процессов принятия решений.
Перейти к внешнему ресурсу Ссылка на документ в ЭБС Лань,
Перейти к внешнему ресурсу Обложка книги.

Доп. точки доступа:
Пятакович, Ф. А.
Найти похожие

Парамонов, И. Ю.
Методы и модели исследования сложных систем и обработки больших данных [Электронный ресурс] : монография / И. Ю. Парамонов, В. А. Смагин, Н. Е. Косых, А. Д. Хомоненко. - Санкт-Петербург : Лань, 2020. - 236 с. - ISBN 978-5-8114-4006-1 : Б. ц.
Книга из коллекции Лань - Информатика

УДК

004

ББК 32.81

Рубрики: Информатика--Алгоритмизация--Лань

Кл.слова (ненормированные):
сложные системы -- сетевые структуры -- hadoop -- обработка больших данных -- нейронная сеть -- neural network toolboox
Аннотация: Создание, накопление, обработка и использование информации в мире составляют мощную информационную среду. Она занимает ведущее значение в различных областях человеческой деятельности. Монография представляет начальный шаг выделения частных свойств указанного сложного процесса, их численного изучения с помощью предложенных методов и моделей инженерного характера. На наш взгляд, именно такие методы и модели составляют основу обработки больших данных в сфере решения научно-исследовательских задач. Рассматриваются и усовершенствуются классические методы и модели исследования сложных систем, основные законы (Меткалфа, Амдала, Густавсона — Барсиса, Гроша) взаимодействия сетевых структур, модели и методы оценивания их эффективности и качества, а также модели и методы исследования сложных систем с нечеткими параметрами. Рассматриваются современные инструментальные средства и технологии интеллектуальной обработки больших данных. Представлены оригинальные результаты, касающиеся решения задач: информационного взаимодействия, контроля состояния, оценивания надежности и предсказания событий для сложных систем; оценивания эффективности, качества и производительности сетевых структур, а также оценивания и обеспечения их надежности; расчета функций принадлежности с нечётким аргументом и коэффициентом, решения нечётких нелинейных уравнений, поиска условного экстремума при нечётком ограни-чении, решения дифференциальных уравнений с нечёткими коэффициентами. Дан вариант обработки больших данных на основе совместного использования инструментальной системы Hadoop под управлением Windows и сверточной нейронной сети при решении задачи распознавания рукописных цифр. Обучение нейронной сети проводится на основе набора данных MNIST образцов написания рукописных цифр. Построение сверточной нейронной сети производится с помощью системы Neural Network Toolboox. Рекомендуется преподавателям и научным сотрудникам, а также магистрантам и аспирантам и при исследовании сложных систем и технологий обработки больших данных.
Перейти к внешнему ресурсу Ссылка на документ в ЭБС Лань,
Перейти к внешнему ресурсу Обложка книги.

Доп. точки доступа:
Смагин, В. А.
Косых, Н. Е.
Хомоненко, А. Д.
Найти похожие

Стандартный (по одному полю)

По словарю (по одному полю)

Профессиональный (по нескольким полям со словарями)

Распределенный (г. Саратов)

Расширенный

Авторизация

Фамилия

Пароль

Заявка на регистрацию в ЭБС

Возникли проблемы? Пишите на oma@info.sgu.ru

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)