В монографии рассмотрены вопросы применения эволюционных методов математического моделирования, генетических алгоритмов и искусственных нейронных сетей, для решения комплекса задач управления динамическими объектами, построения адаптивных и интеллектуальных систем управления. Алгоритмы и приемы техники программирования сопровождены результатами синтеза нейро-эмуляторов и нейроконтроллеров тестового динамического объекта, полученными авторами. Для научных работников, аспирантов и студентов старших курсов, специализирующихся в области адаптивного управления и математического моделирования.

В книге публикуются материалы круглого стола "Дискуссия о нейрокомпьютерах – 10 лет спустя", проведенного 21 января 1999 года в МИФИ в рамках Всероссийской конференции "Нейроинформатика-99". В дискуссии приняли участие более тридцати российских и зарубежных специалистов. Обсуждались достижения последнего десятилетия в области теории нейронных сетей, моделирования мозга, приложений нейротехнологии, разработки нейрокомпьютеров, а также оценивались перспективы развития нейрокомпьютинга. В качестве одного из приложений в книге приведены материалы предыдущей аналогичной дискуссии, состоявшейся в Пущино в 1988г.

Ч. 1. - 178 с.

Ч. 1. - 152 с.

Ч. 1. - 188 с.

Ч. 1. - 200 с.

Двумя популярными направлениями Artificial Intelligence являются теория нечетких множеств (fuzzy sets) и теория нейронных сетей (neиron nets). Данный курс является систематизированным вводным курсом в эти два направления.

Книга посвящена систематическому изложению теории искусственных нейронных сетей, аппарату нечеткой логики и так называемым гибридным нейронным сетям. Показана связь между моделями трех указанных направлений и их применение к задачам управления и принятия решений. Рассмотрена пpограммная реализация данных моделей с помощью инструментальных средств математической системы MATLAB 5.2/5.3 - пакетов Neural Networks Toolbox (нейронные сети) и Fuzzy Logic Toolbox (пакет нечеткой логики).

Книга посвящена вопросам "интеллектуальных вычислений". Содержит базовые знания о генетических алгоритмах, эволюционном программировании, нечетких системах, а также о связях этих направлений с нейронными сетями. Для научных и инженерно-технических работников в области информатики и вычислительной техники, занимающихся созданием и использованием интеллектуальных систем, а также аспирантов и студентов различных специальностей в области компьютерных технологий.

The number of models available in neural network literature is quite large. Very often the treatment is mathematical and complex. This book provides illustrative examples in C++ that the reader can use as a basis for further experimentation. A key to learning about neural networks to appreciate their inner workings is to experiment. Neural networks, in the end, are fun to learn about and discover. Although the language for description used is C++, you will not find extensive class libraries in this book. With the exception of the backpropagation simulator, you will find fairly simple example programs for many different neural network architectures and paradigms. Since backpropagation is widely used and also easy to tame, a simulator is provided with the capacity to handle large input data sets. You use the simulator in one of the chapters in this book to solve a financial forecasting problem. You will find ample room to expand and experiment with the code presented in this book.

This book contains simple examples to provide illustration. The data used in the examples contains information that is not based on any real companies or people. The author and publisher of this book have used their best efforts in preparing this book. The author and publisher make no warranty of any kind, expressed or implied, with regard to the documentation and examples contained in this book. The author and publisher shall not be liable in any event for incidental or consequential damages in connection with, or arising out of the use of, information in this book. The views expressed in this book are the views of the author and do not necessarily reflect the views of the IBM Corporation. This book is not sponsored in any part, or in any manner, by IBM.

Изложены основы теории искусственных нейронных сетей. Показано место нейронных сетей в эволюции интеллектуальных систем управления. Рассмотрены общие вопросы применения искусственных нейронных сетей в системах управления и связи. Отмечены преимущества, которые дает применение нейроинформационных технологий при решении многих как нетрадиционных, так и традиционных задач управления и связи.

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 дня всех тех, кто интересуется искусственными нейронными сетями.

Текст лекцій присвячено теорії штучних нейронних мереж як перспективному напрямкові створення нейрокомп’ютерів та нейрокомп’ютерних пристроїв. Розглянуто основні нейромережеві структури (парадигми нейронних мереж) та алгоритми їхнього навчання, котрі використовуються під час обробки інформації, у тім числі, отриманої в процесі фізичних досліджень. Викладений матеріал має практичну спрямованість, що дає змогу реалізувати розглянуті нейромережеві структури на звичайному комп’ютері і на практиці відчути переваги та проблеми створення нейрокомп’ютерних пристроїв обробки даних. Для студентів різних спеціальностей, що не спеціалізуються в області математики, проте цікавляться нейромережевими методами обробки інформації, створення адаптивних систем аналізу даних у різноманітних галузях науки і техніки.