Нейроинформатика
ПредисловиеВведение: НЕЙРОКИБЕРНЕТИКА, НЕЙРОИНФОРМАТИКА, НЕЙРОКОМПЬЮТЕРЫ
Темп прогресса в науке
Отступление I: Российская физиология и прогресс мировой науки
Real World Computing (RWC)
Нейрокибернетика
Нейроинформатика
Отступление 2: нейронная бомба и психотронное оружие
Нейрокомпьютеры: необходима осторожность
Научно-технический прогресс и целеполагание (вместо заключения)
Нейробум: поэзия и проза нейронных сетей
Элементы нейронных сетей
Архитектура нейронных сетей
Существуют ли функции многих переменных ?
Универсальные аппроксимационные способности произвольной нелинейности и обобщенная теорема Стоуна
Точное представление многочленов
Нейронные сети - универсальные
Решение задач нейронными сетями
Настройка одноэлементных систем для решения задач
Сети Хопфилда
Сети Кохонена для кластер-анализа и классификации без учителя
Обучение нейронных сетей как минимизация функции ошибки
Граф вычисления сложной функции
Вычисления на ориентированном графе
Производная сложной функции одного переменного
Двойственное функционирование и быстрое дифференцирование
Сложность вычисления функции и ее градиента
Двойственность по Лежандру и смысл двойственных переменных
Оптимизационное обучение нейронных сетей
Сложные системы
Принципы информационного кибернетического моделирования
Типы информационных моделей
Возможности регуляризации обратной задачи
Итоги
Нейронные сети в информационном моделировании
Характер приближений в информационных моделях
Ошибка обучения и ошибка обобщения
Прямые, обратные и комбинированные задачи информационного моделирования
Некорректность обратной задачи
Регуляризация в нейросетевых моделях
Дифференцированная оценка степени
Метод дифференциальной оценки степени некорректности задачи
Пример выявления области некорректности в модельной задаче
Прикладное информационное моделирование
Описание инженерной системы
Нейросетевая информационная модель системы
Интегральная оценка корректности модели
Прикладная нейросетевая модель для прямой задачи
Введение
Экспертные системы, созданные на основе нейросетевой технологии группой "НейроКомп"
Прогнозирование осложнений инфаркта миокарда.
Система назначения оптимальной
Система дифференциальной диагностики "острого живота".
Нейросети для изучения иммунореактивности
Архитектура нейронной сети
Функционирование нейрона
Функционирование нейросети
Общая схема обучения нейронной сети
Методологические аспекты обучения нейросетей
Тестирование примеров
Создание медицинских нейросетевых экспертных систем
Постановка задачи
Представление обучающих данных
Инициализация нейронной сети
Стратегия и тактика обучения нейронных сетей
Изменение весов классов.
Разделение задачи.
Тактика обучения.
Дополнительные возможности нейросетей и автоматизированные стратегия и тактика обучения
Вычисление информативности обучающих параметров и минимизация их набора.
Подстройка параметров примера для получения требуемого ответа нейросети.
Автоматическое задание стратегии обучения.
Погрешности в нейронных сетях
Введение
Два базовых подхода к оценкам погрешности
Структура сети
Типы погрешностей
Обсуждение
Заключение.
Метод обратного распространения точности для гарантированных интервальных оценок
Метод обратного распространения
Анализ реализуемости сетей с собственными
Гипотеза о скрытых параметрах
Теорема о скрытых параметрах
Транспонированная задача линейной регрессии
Интерполяция свойств химических элементов
Нейронные сети ассоциативной памяти
Введение
Постановка задачи
Ортогональные сети
Тензорные сети
Сети для инвариантной обработки изображений
Численный эксперимент
Сколько нейронов нужно использовать?
Процедура контрастирования
Контрастирование на основе оценки
Контрастирование без ухудшения
Логически прозрачные нейронные сети
Заключение
Содержание раздела
