Введение в нейронные сети

: Литература по курсу
[+]
Московский государственный университет путей сообщения
Опубликован: 12.09.2011 | Доступ: платный | Студентов: 139 / 6 | Оценка: 4.67 / 4.33 | Длительность: 18:55:00
Тема: Искусственный интеллект и робототехника
Специальности: Программист
Теги: анализ, безопасность, БЗ, визуализация, высказывание, выходной слой, исследования, компоненты, логическая нейронная сеть, моделирование, нейрон, нейронная сеть, нейронные сети, нейросеть, образование, обучение, поиск, процедуры, рецептор, серверы, система принятия решений, тестирование, функция активации, электронная почта
  • 1.
    Галушкин А.И
    Нейронные сети: основы теории
    М.: «Горячая линия – Телеком», 2010
  • 2.
    Rosenblatt F. (Ф. Розенблат)
    Perceptual generalization over transformation groups (Обобщение восприятий по группам преобразований)
    Self-Organizing Systems, Pros. Interdisciplinary Conf., 5 – 6 May, 1959, 63 – 100 (Кибернетический сборник, 1962)
  • 3.
    Поспелов Д.А
    Моделирование рассуждений. Опыт анализа мыслительных актов.
    М.; Радио и связь. 1989
  • 4.
    Поспелов Д.А
    Ситуационное управление. Теория и практика
    М.: Наука, 1986
  • 5.
    Барский А.Б
    Математическая логика событий и логические нейронные сети.
    Приложение к журналу «Информационные технологии» №7, 2007
  • 6.
    Барский А.Б
    Логические нейронные сети. Учебное пособие
    М.: ИНТУИТ; БИНОМ. Лаборатория знаний. 2007
  • 7.
    Барский А.Б
    Нейронные сети: распознавание, управление, принятие решений.
    М.: Финансы и статистика, 2004, 2007
  • 8.
    Барский А.Б
    Трёхмерная экранизация компьютерных объектов «живого» моделирования
    Информационные технологии. 2010, №10
  • 9.
    Барский А.Б
    Параллельные информационные технологии
    М.: ИНТУИТ; БИНОМ. Лаборатория знаний. 2007
  • 10.
    Ярушкина Н.Г.
    Основы теории нечётких и гибридных систем.
    М.: Финансы и статистика, 2004
  • 11.
    Понс Ж, Форсайт Д.
    Компьютерное зрение. Современный подход
    М.: Издательский дом «Вильямс» 2004
  • 12.
    Вахромцев Е.М
    Применение методов «живого» моделирования для производственного мониторинга
    Информационные технологии. 2010
  • 13.
    Ivan Bratko (И. Братко)
    Programming for artificial intelligence (Программирование на языке Пролог для искусственного интеллекта)
    E. Kardelj – J. Stefan Institute. Yugoslavia. 1986 (М.: Мир, 1990)
  • 14.
    Поспелов Д.А
    Десять «горячих точек» в исследованиях по искусственному интеллекту
    Интеллектуальные системы (МГУ). Т. 1. Вып. 1...4. 1996

Вопросы и ответы

вопросов: 4
Кирилл Артамонов
Кирилл Артамонов

"Тогда как задать возбуждение рецепторов, если инспектор точно установил, что скорость автомобиля при наезде на пешехода была равна 114 км/час?
По-видимому, он рассуждает на основе близости скорости к границам указанного интервала: "Достоверность того, что скорость автомобиля составляет 100 км/час, я найду как (114 – 100):(120 – 100), а достоверность того, что скорость автомобиля составляет 120 км/час, я найду как (120 – 114):(120 – 100). Следует обратить внимание на то, что сумма найденных достоверностей равна единице."

Вопрос по расчёту скорости и сумме достоверности: этот математический (приведенный выше в виде контекста из материала лекции 1, страницы 3) метод справедлив к скоростным показателям выходящим за рамки диапазона 100-120. 
То есть, практически применяв к расчёту, скорости из диапазона 114-155, к диапазону 100-120, получал в результате суммирования достоверностей единицу.
Это похоже на то, как я видимые разные скоростные показатели своим рецептором, буду воспринимать линейно с помощью одного диапазона, так как он универсален. 
Правильно ли это ? 
И как манипулировать данными показателями, если есть универсальный диапазон, по результату выводящий в сумме постоянно единицу на разных скоростных показателях стремящегося.

ответить
Владислав Гладышев
Владислав Гладышев

А как проходить курс ? я же могу прямо сейчас все лекции прочитать и здать экзамен, к чему там даты ? 

ответить