Книга: Барский А. Б. «Логические нейронные сети»

Логические нейронные сети

Серия: "Основы информационных технологий"

На основе положений математической логики событий исследуется возможность построения логических нейронных сетей, выполняющих операции вывода в составе систем искусственного интеллекта, имитирующих механизмы работы мозга. Такие операции лежат в основе систем распознавания, управления и принятия решений. Предлагаются методы построения обученных нейронных сетей, созданных «под задачу», простые методы обучения-трассировки, методы преобразования описаний систем принятия решений для повышения достоверности выводов. Рассматривается возможность применения логических нейронных сетей в самообучающихся системах управления, а также в различных системах экономики, транспорта, безопасности, защиты информации, при решении задач интеллектуального отображения, в бизнесе туризма и развлечений, при политическом и социальном прогнозировании и в других задачах науки и искусства.
Данное пособие предназначено для студентов старших курсов технических и экономических вузов, аспирантов, инженеров и исследователей в области применения современных информационных технологий искусственного интеллекта в системах управления и принятия решений.

Содержание:

Предисловие...... 11 Введение...... 14 Лекция 1. Математическая логика событий...... 22 1. 1. Булева концепция алгебры высказываний о событиях...... 22 1. 2. Логические функции высказываний...... 24 1. 3. Исчерпывающее множество событий...... 26 1. 4. Композиция исчерпывающих множеств событий. Дерево логических возможностей. Факторное пространство событий...... 28 1. 5. Система принятия решений...... 32 1. 6. «Схемотехническое» представление системы принятия решений...... 33 1. 7. Достоверность высказываний о событиях...... 35 1. 8. Системы принятия решений на основе достоверности высказываний о событиях...... 38 1. 9. Минимизация длины логической цепочки в системе принятия решений...... 42 Лекция 2. Основы нейросетевых технологий...... 46 2. 1. Нейронная сеть — средство распознавания...... 46 2. 1. 1. Построение обученной нейросети...... 46 2. 1. 2. Обучение нейросети...... 51 2. 2. Модель мозга...... 54 2. 3. Ввод и «разглядывание» эталонов и образов...... 59 2. 4. Кора...... 63 2. 5. Устойчивость, помехозащищенность и локализация максимального возбуждения...... 64 2. 6. Пространство признаков...... 71 Лекция 3. Построение современной нейросетевой технологии...... 73 3. 1. Начинаем решать пример...... 74 3. 2. Возбуждение входного слоя...... 77 3. 3. «Схемотехнический» подход к построению нейросети «под задачу»...... 79 3. 4. Построение нейросети «под задачу»...... 85 3. 5. Формализация нейросети...... 88 3. 6. Модель механизма запоминания...... 92 3. 7. Применение «готовых» нейросетей...... 93 3. 7. 1. Однослойная нейросеть...... 94 3. 7. 2. Нейросеть произвольной структуры...... 96 3. 8. Нейросетевые технологии и нейрокомпьютеры...... 99 Лекция 4. Трассировка нейронной сети...... 103 4. 1. Пример — опыт — предпосылки обобщения...... 103 4. 2. Алгоритм трассировки нейросети...... 124 4. 3. Приведение нейросети после трассировки...... 126 Лекция 5. Стратегии обучения и самообучения...... 128 5. 1. Динамизм обучения...... 128 5. 2. Не задавайте глупых вопросов!...... 135 5. 3. Познание нового — основа самообучения...... 136 Лекция 6. Нейронные сети с обратными связями...... 139 6. 1. К вопросу происхождения человека...... 139 6. 2. Как же вводить обратные связи...... 143 Лекция 7. Нейросетевые самообучающиеся системы управления...... 147 7. 1. Самообучение на основе ситуационного управления...... 147 7. 2. Нейросетевое воплощение...... 152 Лекция 8. Логическое программирование нейронной сети...... 158 8. 1. ПРОЛОГ-программа...... 158 8. 2. Нейросеть для решения задачи логического вывода...... 162 Лекция 9. Структурное обоснование логической нейронной сети...... 170 9. 1. «Железнодорожная рулетка»...... 170 9. 2. Практический подход и обоснование структуры логической нейронной сети для системы принятия решений...... 182 9. 3. Выбор передаточной функции...... 187 9. 4. Анализ примера...... 189 Лекция 10. Корректировка параметров, дистрибутивные преобразования, однослойные и совершенные логические нейронные сети...... 192 10. 1. Корректировка порогов...... 192 10. 2. Корректировка весов связей нейронов выходного слоя...... 194 10. 3. Дистрибутивная форма логического описания системы принятия решений...... 196 10. 4. Возможность применения однослойных нейросетей...... 203 10. 5. Совершенные нейронные сети...... 209 10. 6. Корректное задание исходных данных — условие правильности выводов нейросети...... 211 Лекция 11. Трассировка логической структуры нейросети...... 216 11. 1. Задачи обучения нейросети методом трассировки...... 216 11. 2. Формирование обученной нейросети на основе заданного множества нейроподобных элементов...... 217 11. 3. Оптимальное закрепление рецепторов за событиями в нейросети заданной структуры...... 220 11. 4. Обучение-трассировка нейросети заданной структуры...... 223 11. 5. Алгоритм трассировки нейросети по описанию системы принятия решений в дистрибутивной форме...... 232 Лекция 12. Методика построения системы принятия решений на основе логической нейронной сети...... 236 12. 1. Основные этапы работ...... 236 12. 2. Логическое описание системы принятия решений...... 236 12. 3. Дистрибутивные преобразования логического описания...... 239 12. 4. Построение логической схемы...... 240 12. 5. Построение матрицы следования для нейронной сети...... 240 12. 6. Выбор и обоснование передаточной функции нейрона...... 241 12. 7. Верификация нейросети...... 242 Лекция 13. Нейросетевые технологии в экономике и бизнесе...... 244 13. 1. Табличный метод — основа искусственного интеллекта...... 244 13. 2. Мониторинг банковской системы...... 247 13. 2. 1. Структура нейросети и способы обучения...... 248 13. 2. 2. Структура экрана рецепторов...... 251 13. 2. 3. Структура экрана выходного слоя...... 252 13. 2. 4. Обучение нейросети...... 253 13. 2. 5. Методика мониторинга...... 254 13. 2. 6. Корректировка и развитие...... 256 13. 3. Система оценки странового риска...... 256 Лекция 14. Нейросетевые модели пошаговой оптимизации, маршрутизации и тактических игр...... 260 14. 1. Логическая нейронная сеть — средство пошагового принятия решений...... 260 14. 2. Нейросетевая транспортная модель динамической маршрутизации...... 262 14. 3. Пример модели транспортного маршрутизатора из центрального пункта отправления...... 265 14. 4. Моделирование реального времени движения в сети железных дорог для оценки пропускной способности, эффективности и оптимизации расписания...... 267 14. 5. Нейросетевой «подсказчик» в тактической игре...... 273 Лекция 15. Основы «живого» моделирования...... 276 15. 1. Какую задачу мы хотим решить...... 276 15. 2. Моделирование трехмерной памяти...... 278 15. 3. «Мышца» и ее сокращение...... 279 15. 4. Сокращение «твердого» объекта...... 284 15. 5. Сокращение вязкого тела...... 286 15. 6. Сокращение вязкого тела с «выпучиванием»...... 288 15. 7. Шарнирно-мышечное соединение...... 289 15. 8. Перемещение, поворот и вращение...... 292 15. 9. Внешнее «механическое» воздействие на объект...... 293 15. 10. Построение объектов в трехмерной памяти...... 294 15. 11. Командно-программное управление объектами...... 294 15. 12. Логические нейронные сети в основе управления трехмерными компьютерными объектами...... 295 15. 13. Реагирующие объекты для систем интеллектуального отображения...... 300 15. 13. 1. Постановка задачи...... 300 15. 13. 2. Основы построения модели системы интеллектуального отображения для «плоской» анимации...... 302 15. 13. 3. Клип-моделирование интеллектуального отображения...... 314 Лекция 16. Перспективные нейросетевые технологии...... 319 16. 1. Служба безопасности...... 321 16. 2. Парк фантасмагорий...... 323 16. 3. Компьютерный человечек КОМПИ...... 325 16. 4. Диагностика...... 328 16. 5. Тестирование в сфере образовательных услуг...... 329 16. 6. Графический диспетчер движения поездов...... 331 16. 7. Печать рукописи...... 335 16. 8. Экстренное торможение локомотива...... 337 16. 9. Защита информации...... 339 16. 10. Сивилла-прорицательница...... 343 Заключение...... 348 Литература...... 350

Издательство: "Интернет-Университет Информационных Технологий" (2007)

ISBN: 9785955600949

Другие книги схожей тематики:

АвторКнигаОписаниеГодЦенаТип книги
Олег СенькоЦифровые методы диагностики и прогнозирования процессовИзложены методы решения задач автоматического прогнозирования и диагностики процессов с помощью… — МИСиС, электронная книга Подробнее...2016
352электронная книга

См. также в других словарях:

  • Искусственный нейрон — Схема искусственного нейрона 1.Нейроны, выходные сигналы которых поступают на вход данному 2.Сумматор входных сигналов 3.Вычислитель передаточной функции 4.Нейроны, на входы которых …   Википедия

  • Нечёткая логика — (англ. fuzzy logic) и теория нечётких множеств раздел математики, являющийся обобщением классической логики и теории множеств. Понятие нечёткой логики было впервые введено профессором Лютфи Заде в 1965 году. В его статье понятие множества… …   Википедия

  • Модели нейронных сетей (neural network models) — Модели, включающие сети нейроноподобных элементов, приобрели известность в психологии и родственных дисциплинах, когнитивной науке и нейробихевиоральной науке. Такие модели появились тж под предметными заголовками коннекционистских моделей и… …   Психологическая энциклопедия

  • Будущее — У этого термина существуют и другие значения, см. Будущее (значения). Антонио Сант’Элиа  Урбанистический рисунок в футуристическом стиле Будущее  часть лин …   Википедия

  • Грядущее — Будущее  часть линии времени, состоящая из событий, которые ещё не произошли, но произойдут. Ввиду того, что события характеризуются как временем, так и местом, будущее занимает область пространственно временного континуума.[1] Содержание 1… …   Википедия

  • Поспелов, Дмитрий Александрович — В Википедии есть статьи о других людях с такой фамилией, см. Поспелов. Дмитрий Александрович Поспелов Дата рождения: 19 декабря 1932(1932 12 19) (80 лет) Научная сфера: Искусственный интеллект и интеллектуальные системы Альма матер …   Википедия

Поделиться ссылкой на выделенное

Прямая ссылка:
Нажмите правой клавишей мыши и выберите «Копировать ссылку»