Здесь представлен список книг, диссертаций и статей из раздела Нейронные сети.
Искусственные нейронные сети (ИНС) - математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей - сетей нервных клеток живого организма.
Искусственные нейронные сети (ИНС) - математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей - сетей нервных клеток живого организма.
Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети Маккалока и Питтса. Впоследствии, после разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.
ИНС представляют собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты, особенно в сравнении с процессорами, используемыми в персональных компьютерах. Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие локально простые процессоры вместе способны выполнять довольно сложные задачи.
С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п. С математической точки зрения, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации. С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники. С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма. А с точки зрения искусственного интеллекта, ИНС является основой философского течения коннективизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов. Нейронные сети не программируются в привычном смысле этого слова, они обучаются.
Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или "зашумленных", частично искаженных данных.
Книги:
Лекции по нейроинформатике - Н. Г. Макаренко.
Нейрокомпьютерная техника. Теория и практика - Ф. Уоссермен.
Нейронные сети. Распознавание, управление, принятие решений - A. Б. Барский.
Нелинейная динамика обработки информации в НС - А. Б. Потапов Али, М. К. Али.
Энциклопедия торговых стратегий - Д. Катс, Д. Маккормик.
Нейрокомпьютинг и его применения в экономике и бизнесе - А. Ежов, С. Шумский.
Нейронные сети. Полный курс. - Саймон Хайкин.
Нейронные Сети и Финансовые Рынки - Д. Э. Бэстенс, В. М. Ван Ден Берг, Д. Вуд.
Читать онлайн:
Статьи + видео на этом блоге:
Доклад Дмитрия Дзюба - Нейронные сети: современное состояние и области применения.
Генри Маркрам строит мозг в суперкомпьютере.
Себастьян Сеунг: Я – это мой коннектом.
Квабена Боахен рассказывает о компьютере, который работает по принципу мозга.
Эд Бойден: Переключатель для нейронов
Статьи на сайте mql5.com:Генри Маркрам строит мозг в суперкомпьютере.
Себастьян Сеунг: Я – это мой коннектом.
Квабена Боахен рассказывает о компьютере, который работает по принципу мозга.
Эд Бойден: Переключатель для нейронов
Доктор Трейдлав, или Как я перестал беспокоиться и написал самообучающийся эксперт.
Использование самоорганизующихся карт Кохонена в трейдинге.
Прогнозирование временных рядов в MetaTrader 5 при помощи библиотеки машинного обучения ENCOG.
Подключение нейросетей от NeuroSolutions.
Нейронные сети - от теории к практике.
Лекции по нейроинформатике - Н. Г. Макаренко.
Известно, что единое целое лучше, чем всё вместе, но врозь. Лекции представляют собой попытку продемонстрировать этот тезис на примере интригующих связей между теорией фракталов, системами гиперболических итеративных функций, дискретными динамическими системами и нейронными сетями. Изложение рассчитано на широкий круг слушателей, которые не являются математиками.Нейрокомпьютерная техника. Теория и практика - Ф. Уоссермен.
В книге американского автора в общедоступной форме излагаются основы построения нейрокомпьютеров. Описаны структура нейронных сетей и различные алгоритмы их настройки. Отдельные главы посвящены вопросам реализации нейронных сетей.Для специалистов в области вычислительной техники, а также студентов соответствующих специальностей вузов.
Нейронные сети. Распознавание, управление, принятие решений - A. Б. Барский.
Рассматривается применение нейросетевых технологий при построении информационных и управляющих систем в науке, экономике, финансах и искусстве. Исследуются вопросы разработки нейросетей "под задачу", представления исходной и обработки выходной информации. Предлагаются простые методы обучения в статическом и динамическом режимах. Обсуждаются особенности систем принятия решений, самообучающихся управляющих систем, систем логического вывода, банковского мониторинга, безопасности, защиты информации, политического и социального прогноза, бизнеса развлечений и туризма.Для студентов технических и экономических вузов, аспирантов, инженеров и исследователей в области современных информационных технологий.
Нелинейная динамика обработки информации в НС - А. Б. Потапов Али, М. К. Али.
Основная цель работы - предоставить новый взгляд на проблему хаоса в задачах обработки информации. Показано, что хаос естественно возникает в задачах управления, где нейронная сеть является управляющей подсистемой более сложной системы. Показано, что такая сеть может использовать хаос в своей работе для освоения новых действий в методе обучения, называемом обучение поощрением (Reinforcement Learning). Обсуждаются также гамильтоновы нейронные сети.
Энциклопедия торговых стратегий - Д. Катс, Д. Маккормик.
Строгий анализ, основанный на тестах с использованием исторических данных по большому спектру рынков, развенчивает многие мифы и является основой научного подхода к построению разнообразных торговых систем. В книге содержатся рекомендации по улучшенным методам контроля риска, показаны рискованные и потенциально убыточные методики, способные привести к разорению. Книгу можно использовать и как справочник по существующим на сегодняшний день торговым стратегиям и методам, и как руководство по построению оригинальных торговых систем.
Нейрокомпьютинг и его применения в экономике и бизнесе - А. Ежов, С. Шумский.
В этой книге, основанной на курсе лекций, прочитанном авторами в Финансово-Аналитическом Колледже МИФИ, мы знакомим читателя с основами нейросетевой обработки данных и примерами типовых применений, преимущественно в области финансов и бизнеса.Наш опыт свидетельствует, что главным препятствием к широкому практическому применению нейрокомпьютинга служит недостаточное понимание его основ. Эта книга писалась с целью восполнить этот пробел. Поэтому основное внимание здесь уделяется описанию принципов нейросетевой обработки данных, их потенциальных возможностей и преимуществ, а также подробному разбору нескольких конкретных алгоритмов. Предполагается, что в случае необходимости читатель сможет воспользоваться одним из многочисленных коммерческих нейро-эмуляторов, а не возьмётся программировать нейросети "с нуля" на C++. Главная задача книги - научить читателя "видеть" нейросетевые постановки задач в его повседневной работе, помочь ему автоматизировать рутинную обработку сложной многофакторной информации с помощью современного математического аппарата - искусственных нейронных сетей.
Хотя мы старались избегать математических выкладок и, по возможности, упростить изложение, хотелось бы заранее предупредить, что материал этой книги рассчитан на достаточно подготовленного читателя - как минимум студента старших курсов. Наш "идеальный" читатель - студент, научный работник, финансовый аналитик, консультант, брокер или просто бизнесмен, желающий повысить эффективность своего бизнеса путём более вдумчивой работы с доступной ему информацией.
Нейронные сети. Полный курс. - Саймон Хайкин.
В книге рассматриваются основные парадигмы искусственных нейронных сетей. Представленный материал содержит строгое математическое обоснование всех нейросетевых парадигм, иллюстрируется примерами, описанием компьютерных экспериментов, содержит множество практических задач, а также обширную библиографию. В книге также анализируется роль нейронных сетей при решении задач распознавания образов, управления и обработки сигналов. Структура книги очень удобна для разработки курсов обучения нейронным сетям и интеллектуальным вычислениям.Книга будет полезна для инженеров, специалистов в области компьютерных наук, физиков и специалистов в других областях, а также для всех тех, кто интересуется искусственными нейронными сетями.
Нейронные Сети и Финансовые Рынки - Д. Э. Бэстенс, В. М. Ван Ден Берг, Д. Вуд.
Нейронно-сетевая методология, пока мало представленная в российской профессиональной научно-технической литературе, находит всё новые успешные применения в практике управления и принятия решений, в том числе - в финансовой и торговой сферах. Лежащая в её основе теория нелинейных адаптивных систем доказала свою полезность при выработке прогнозов в целом ряде отраслей экономики и финансов.Книга знакомит со способами применения методологии нейронных сетей для решения задач анализа и прогноза в таких актуальных для современной российской экономики вопросах, как кризисные явления на рынках капитала, налоговые поступления, динамика цен производных финансовых инструментов и индексов курсов акций, эффективность диверсификации портфельных капиталовложений, риск предоставления кредитов или банкротство корпораций и банков. Постоянные сравнения с иными применяемыми способами анализа и прогноза (например, статистическими способами анализа временных рядов и классификации или способами технического анализа) помогают читателю точнее определить роль и место нейронно-сетевых методов в областях, представляющих для него практический интерес.
Данное издание адресовано, в первую очередь, финансовым директорам, управляющим и аналитикам финансовых организаций, специалистам по количественному анализу и системным экспертам, а также студентам и аспирантам соответствующих специальностей.