МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА (XI семестр)
 Share
The version of the browser you are using is no longer supported. Please upgrade to a supported browser.Dismiss

View only
 
 
ABCDEFGHIJKLMNOPQRSTU
1
МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА (XI семестр)В книгахВ лекциях
2
1. Искусственный интеллект: основные понятия, этапы развития, направления.Тим Джонс М. Программирование искусственного интеллекта в приложениях. (15)3+
3
2. Основные понятия биологических нейронных сетей (НС). Биологический нейрон.Осовский С. - Нейронные сети для обработки информации. (17)7+
4
Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (47)
5
3. Схема абстрактного нейрокомпьютера. Сравнение с архитектурой фон Неймана.
Основные направления использования.
Осовский С. - Нейронные сети для обработки информации. (20)8
6
Ясницкий. Введение в искусственный интеллект 2005/3 (27)
7
4. Классификация искусственных НС.http://www.aiportal.ru/articles/neural-networks/classification.html9+
8
Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (51)
9
5. Основные элементы и характеристики искусственных НС: архитектура, нейроны,
синаптические связи, функции активации.
13+ (по булевым)
10
6. Однослойный и многослойный персептроны. Моделирование булевых выражений.
Проблема «XOR».
Лекции же23
11
7. Процедура Видроу–Хоффа обучения однослойного персептрона.Каллан - Основные концепции нейронный сетей. (53)30+
12
8. Нейроны ADALINE и MADALINE.Осовский С. - Нейронные сети для обработки информации. (32)40+
13
9. Использование однослойной НС для прогнозирования временных рядов.Каллан + Лекции35+
14
10. Обучение однослойной НС с помощью псевдообратной матрицы.37
15
11. НС сети высокого порядка, паде- и фурье-нейроны.43
16
12. Нейрон Хебба и правило его обучения. Пример использования.Осовский С. - Нейронные сети для обработки информации. (40)46+
17
13. Способы стабилизации нейрона Хебба.Осовский С. - Нейронные сети для обработки информации. (41)50+
18
14. Сеть Андерсона и нелинейная ассоциативная память.лекции52
19
15. Многослойные НС прямого распространения. Теорема А.Н. Колмогорова.лекции72
20
16. Схема алгоритма обратного распространения ошибки (BP).Каллан - Основные концепции нейронный сетей. (55)+ (файл: L9_BP)
21
17. Преимущества и недостатки алгоритма BP, его модификации.Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (72)
22
18. Классификация методов обучения НС. Локальные алгоритмы оптимизации.Кажется, осовский, перед quickprop
23
Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (62)
24
19. Эвристические методы обучения (QUICKPROP, RPROP).Осовский С. - Нейронные сети для обработки информации. (71)
25
20. Алгоритм имитации отжига.Тим Джонс М. Программирование искусственного интеллекта в приложениях. (25)
26
Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (168)
27
21. Сети с радиальными базисными функциями (RBF). Алгоритм функционирования.Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (94)58+
28
22. Алгоритм обучения и настройка параметров RBF.61
29
23. Асимметричные RBF.лекции64
30
24. Алгебрологический синтез RBF.67
31
25. Сети Кохонена. Кластерный анализ.Пока что: википедия + лекции, вроде достаточно77+
32
Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (203)
33
26. Алгоритмы обучения WTA, WTM. Решение проблемы «мертвых нейронов».Лекций почти достаточно82+-
34
Осовский С. - Нейронные сети для обработки информации. (230)
35
27. НС встречного распространения. Аппроксимация функций поверхностями
постоянного уровня.
Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (86)85-+
36
28. Рекуррентные сети. Основные понятия.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (177)86
37
Осовский С. - Нейронные сети для обработки информации. (176)
38
29. НС Хопфилда. Энергия системы.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (178)87-+
39
Осовский С. - Нейронные сети для обработки информации. (178)
40
Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (90)
41
30. Применение НС Хопфилда к задаче коммивояжера (задаче о назначениях).Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (185)91-+
42
31. Вероятностная сеть (машина Больцмана).
43
32. НС Хемминга.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (181)87-+
44
Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (183)
45
Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (90)
46
33. Двунаправленная ассоциативная память Коско (BAM).Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (199)88-+
47
34. НС Джордана и Элмана (схемы и алгоритмы функционирования).Осовский С. - Нейронные сети для обработки информации. (210)88+
48
35. Вероятностная сеть PNN.Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (97)92
49
36. Генетические алгоритмы (ГА). Алгоритм и основные этапы простого ГА.Тим Джонс М. Программирование искусственного интеллекта в приложениях. (112)98
50
Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (143)
51
37. Примеры простого ГА: двумерная оптимизация, решение диофантовых уравнений.Тим Джонс М. Программирование искусственного интеллекта в приложениях. (118)
52
38. Кодирование решения в ГА.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (154)107
53
39. Теория схем в ГА.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (158)
54
40. Разновидности операторов селекции и отбора.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (151)109
55
41. Разновидности операторов кроссовера и мутации.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (149)114
56
42. Разновидности (модели) ГА.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (160)
57
43. ГА в задаче обучения НС.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (162)
58
44. Комбинация ГА с алгоритмом имитации отжига.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (168)
59
45. Муравьиные алгоритмы.Тим Джонс М. Программирование искусственного интеллекта в приложениях. (63)94
60
46. Модели «искусственной жизни».Тим Джонс М. Программирование искусственного интеллекта в приложениях. (141)95+
61
47. Алгоритмы «пчелиного роя» (PSO).Википедия
62
48. Гибридные (нечеткие) НС. Определение, нечеткие нейроны «И», «ИЛИ».Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. (267)
63
Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (103)
64
49. Алгоритм обучения гибридных НС ANFIS.Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (106)
65
50. Двоичные деревья классификации CART.Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети. (113)
66
67
68
Тим Джонс М. Программирование искусственного интеллекта в приложениях.
69
Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры.
70
Осовский С. - Нейронные сети для обработки информации.
71
Круглов В.В., Дли М.И., Голунов Р.Ю. - Нечёткая логика и искусственные нейронные сети.
72
Каллан - Основные концепции нейронный сетей.
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
Loading...