t.me/knigoprovod Отправить другу/подруге по почте ссылку на эту страницуВариант этой страницы для печатиНапишите нам!Карта сайта!Помощь. Как совершить покупку…
московское время18.07.19 08:38:12
На обложку
Аквариум как способ ухода за теннисным кортомавторы — Гаккель В. Я.
В ожидании Апокалипсиса. Франкское общество в эпоху Каролингов,…авторы — Сидоров А. И.
Кибернетика и терапия (Проблемы индивидуализированного лечения)авторы — Сидоренко Г. И.
б у к и н и с т и ч е с к и й   с а й т
Новинки«Лучшие»Доставка и ОплатаМой КнигоПроводЗаказ редких книгО сайте
Книжная Труба   поиск по словам из названия
Авторский каталог
Каталог издательств
Каталог серий
Моя Корзина
Только цены
Рыбалка
Наука и Техника
Математика
Физика
Радиоэлектроника. Электротехника
Инженерное дело
Химия
Геология
Экология
Биология
Зоология
Ботаника
Медицина
Промышленность
Металлургия
Горное дело
Сельское хозяйство
Транспорт
Архитектура. Строительство
Военная мысль
История
Персоны
Археология
Археография
Восток
Политика
Геополитика
Экономика
Реклама. Маркетинг
Философия
Религия
Социология
Психология. Педагогика
Законодательство. Право
Филология. Словари
Этнология
ИТ-книги
O'REILLY
Дизайнеру
Дом, семья, быт
Детям!
Здоровье
Искусство. Культурология
Синематограф
Альбомы
Литературоведение
Театр
Музыка
КнигоВедение
Литературные памятники
Современные тексты
Худ. литература
NoN Fiction
Природа
Путешествия
Эзотерика
Пурга
Спорт

/ИТ-книги

Нейронные сети, генетические алгоритмы и нечёткие системы — Рутковская Д., Пилиньский М., Рутковский Л.
Нейронные сети, генетические алгоритмы и нечёткие системы
Научное издание
Рутковская Д., Пилиньский М., Рутковский Л.
год издания — 2008, кол-во страниц — 452, ISBN — 5-93517-103-1, 83-01-12304-4, тираж — 1000, язык — русский, тип обложки — твёрд. 7БЦ матов., масса книги — 500 гр., издательство — Горячая линия - Телеком
КНИГА СНЯТА С ПРОДАЖИ
Sieci neuronowe,
algorytmy genetyczne
i systemy rozmyte

Danuta Rutkowska
Maciej Piliński
Leszek Rutkowski

WYDAWNICTWO
NAUKOWE PWN
WARSZAWA, ŁÓDŹ 1999


Пер. с польск. И. Д. Рудинского

Формат 60x90 1/16. Печать офсетная
ключевые слова — интеллект, генетическ, эволюцион, нечётк, нейрон, распознаван, прогност, самоорганиз, синергет, персептрон, автомат, адалайн, сигмоид, фуззиф, такаги-суген, оптимизац, временн, финансов, хаос

Книга посвящена вопросам «интеллектуальных вычислений». Содержит базовые знания о генетических алгоритмах, эволюционном программировании, нечётких 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.


Двадцатый век завершился под знаком революции в области обработки информации. Мы стали свидетелями как быстрого роста объёма доступных данных, так и увеличения скорости их обработки и передачи, а также ёмкости запоминающих устройств. Отчётливо видно, что эти явления не только взаимосвязаны, но и усиливают друг друга. В ситуации лавинобразного нарастания объёмов информации и вычислительных мощностей возникает очевидный вопрос каким образом можно улучшить наши способности к познанию окружающего мира, имея в наличии столь большие и непрерывно растущие технические возможности?

Помощь приходит со стороны апробированных классических математических методов, созданных трудами Ньютона, Лейбница, Эйлера и других гениев прошлого, заложивших фундамент современных вычислительных алгоритмов. Благодаря им у нас есть специализированные вычислительные процедуры для распознавания образов и речи, для управления системами различных классов и решения иных аналогичных проблем. Независимые от этого направления исследования в области искусственного интеллекта привели к созданию экспертных и прогностических систем, основанных на символьной обработке и использующих базы правил. Однако все перечисленные выше подходы предполагают использование либо узкоспециализированных вычислительных методик, либо специализированных баз знаний, чаще всего заключённых в жёсткий корсет двоичной логики. Ещё одно ограничение на применение этих методов связано с фактом, что они не допускают непосредственное решение задач при использовании вычислительных систем с универсальной архитектурой, общей для большинства практических приложений.

Таким образом, мы подходим к происхождению и сущности вычислительных технологий, составляющих предмет настоящей книги. Эти технологии, объединяемые в англоязычной литературе под названием Computational Intelligence, позволяют получать непрерывные или дискретные решения в результате обучения по доступным имеющимся данным. Один из подклассов обсуждаемой группы методов составляют нейронные сети, использующие стохастические алгоритмы для обучения модели с учителем или путём самоорганизации. Они предназначены для обработки зашумлённых цифровых данных, по которым алгоритмы обучения выстраивают однонаправленные или рекуррентные модели интересующих нас процессов. Эти модели характеризуются регулярной структурой, составленной из нелинейных элементов, объединённых разветвлённой сетью линейных соединений и часто дополняемой локальными или глобальными обратными связями.

При моделировании процессов возможности нейронных сетей могут усиливаться за счёт применения технологии обработки информации, основанной на нечётких множествах и нечётком выводе. Этот метод связан с оцениванием функции принадлежности элементов к множествам с помощью нечётких логических операторов. Предлагаемый подход не только ослабляет требования к точности данных в процессе построения модели, но и позволяет описать сложные системы с помощью переменных, значения которых определяются на интуитивном уровне. Возникающая в результате парадигма моделирования, управления, выработки решений и т.п. ведёт к формированию лингвистических аргументов логических функций.

Такие функции, описывающие реальные объекты, могут уточняться в процессе обучения по имеющимся данным. Другой подход состоит в формировании правил вывода непосредственно в процессе обучения. Этим и определяется взамопроникновение и комплементарность нейронных моделей и систем, базирующихся на нечёткой логике. Лингвистические операторы, которые мы используем при повседневном общении, и итерационный процесс обучения вместе ведут к интеллектуальным логикоалгебраическим моделям, определяемым понятием Computational Intelligence (вычислительные технологии). Интеллектуальность в данном случае понимается как способность применять знания, накопленные в процессе обучения, как возможность генерировать правила вывода и как умение обобщать информацию.

Важным классом алгоритмов обучения, обогативших нейронные и нечёткие технологии, считаются эволюционные алгоритмы. Они оперируют популяциями хромосом, оцениваемых функциями приспособленности, и используют эволюционную и генетическую обусловленность изменения последовательности битов или чисел. Таким образом эффективно, исследуется пространство возможных решений. Оптимальное решение ищется в серии последовательных приближений аргументов с лучшими значениями функций приспособленности, генерируемых в результате мутации и скрещивания хромосом.

Автор этих заметок в качестве председателя Комитета Симпозиума Computational Intelligence: Imitating Life, состоявшегося в Орландо в 1994 г., стоял у истоков слияния этих трёх научных направлений и возникновения новой интегральной отрасли знаний. Он с удовольствием приветствует «Нейронные сети, генетические алгоритмы и нечёткие системы» — новаторскую книгу на польском издательском рынке. Помимо обсуждения базовых элементов нейронных сетей, описания нечётких систем и эволюционногенетических алгоритмов, этот труд содержит и оригинальные научные результаты авторов. В книге приводятся подробности реализации конкретных технических решений, в том числе различных процессоров и обучаемых систем, основанных на нечёткой логике. Большое внимание уделяется вопросам практического использования ряда пакетов прикладных программ.

Тематически книга связана с научными направлениями Всепольских конференций по нейронным сетям и их приложениям, организованных профессором Л. Рутковским и Польским товариществом нейронных сетей в 1994 и 1996 гг.

Данная публикация под руководством профессора Л. Рутковского чрезвычайно актуальна, ценна и уникальна. Она заполняет обширную нишу на ёмком научнотехническом рынке Польши. Книга окажется особенно полезной инженерам различных специальностей, экономистам, физикам, математикам и специалистам по информатике, а также студентам этих и смежных с ними областей знаний. Следует поздравить авторов с большим достижением в виде этого прекрасного научного труда.

Эта книга должна не только умножить признание их заслуг, но и привлечь новые ряды энтузиастов этой захватывающей научной дисциплины.

Предисловие
Яцек Журада

член IEEE. Университет Луисвилль, США
Июль 1996 г.

ОГЛАВЛЕНИЕ

Предисловие9
Предисловие к русскому изданию12
 
1. Введение14
 
Список литературы16
 
2. Многослойные нейронные сети и алгоритмы их обучения18
 
2.1. Введение18
2.2. Нейрон и его модели18
2.3. Персептрон21
2.4. Системы типа Адалайн25
2.4.1. Линейный взвешенный сумматор26
2.4.2. Адаптивный линейный взвешенный сумматор30
2.4.3. Адаптивный линейный взвешенный сумматор с сигмоидой
    на выходе31
2.5. Алгоритм обратного распостранения ошибки33
2.6. Применение рекуррентного метода наименьших квадратов для
обучения нейронных сетей37
Список литературы43
 
3. Нечёткие множества и нечёткий вывод45
 
3.1. Введение45
3.2. Основные понятия и определения теории нечётких множеств45
3.3. Операции на нечётких множествах56
3.4. Принцип расширения64
3.5. Нечёткие числа68
3.6. Треугольные нормы75
3.7. Нечёткие отношения и их свойства78
3.8. Нечёткий вывод83
3.8.1. Основные правила вывода в двоичной логике83
3.8.2. Основные правила вывода в нечёткой логике84
    3.8.2.1. Обобщённое нечёткое правило modus ponens84
    3.8.2.2. Обобщённое нечёткое правило modus tollens87
3.8.3. Правила нечёткой импликации88
3.9. Нечёткое управление91
3.9.1. Классический модуль нечёткого управления92
    3.9.1.1. База правил92
    3.9.1.2. Блок фуззификации94
    3.9.1.3. Блок выработки решения94
    3.9.1.4. Блок дефуззификации105
3.9.2. Метод нечёткого управления Такаги-Сугено106
3.10. Проектирование базы нечётких правил на основе численных данных109
3.10.1. Построение нечётких правил110
3.10.2. Задача парковки грузовика115
3.10.3. Примечание118
Список литературы122
 
4. Генетические алгоритмы124
 
4.1. Введение124
4.2. Генетические алгоритмы и традиционные методы оптимизации125
4.3. Основные понятия генетических алгоритмов126
4.4. Классический генетический алгоритм130
4.5. Иллюстрация выполнения классического генетического алгоритма136
4.6. Кодирование параметров задачи в генетическом алгоритме139
4.7. Основная теорема о генетических алгоритмах144
4.8. Модификации классического генетического алгоритма157
4.8.1. Методы селекции157
4.8.2. Особые процедуры репродукции160
4.8.3. Генетические операторы161
4.8.4. Методы кодирования163
4.8.5. Масштабирование функции приспособленности164
4.8.6. Ниши в генетическом алгоритме166
4.8.7. Генетические алгоритмы для многокритериальной оптимизации167
4.8.8. Генетические микроалгоритмы169
4.9. Примеры оптимизации функции с помощью программы FlexTool170
4.10. Эволюционные алгоритмы206
4.11. Приложения эволюционных алгоритмов213
4.11.1. Примеры оптимизации функции с помощью программы Evolver214
4.11.2. Решение комбинаторных задач с помощью программы Evolver246
4.12. Эволюционные алгоритмы в нейронных сетях250
4.12 1. Независимое применение генетических алгоритмов
    и нейронных сетей252
4.12.2. Нейронные сети для поддержки генетических алгоритмов252
4.12.3. Генетические алгоритмы для поддержки нейронных сетей253
4.12.4. Применение генетических алгоритмов для обучения
    нейронных сетей256
4.12.5. Генетические алгоритмы для выбора топологии нейронных
    сетей256
4.12.6. Адаптивные взаимодействующие системы257
4.12.7. Типовой цикл эволюции257
    4.12.7.1. Эволюция весов связей259
    4.12.7.2. Эволюция архитектуры сети261
    4.12.7.3. Эволюция правил обучения264
4.13. Примеры моделирования эволюционных алгоритмов в приложении
    к нейронным сетям266
    4.13.1. Программы Evolver и BrainMaker268
    4.13.2. Программа GTO274
Список литературы303
 
5. Модули нечётко-нейронного управления307
 
5.1. Модуль нечёткого управления со структурой, определённой
в процессе дефуззификации308
5.1.1. Введение308
5.1.2. Конструкция модуля309
5.1.3. Структура модуля311
5.1.4. Использование алгоритма обратного распространения ошибки313
5.1.5. Модификации модуля320
5.1.6. Применение модуля нечёткого управления для
    прогнозирования случайных временных рядов322
5.1.7. Применение модуля нечёткого управления для решения задачи
    парковки грузовика326
5.1.8. Примечание330
5.2. Представление модуля нечёткого управления в виде стандартной
нейронной сети330
5.3. Модуль нечёткого управления с нейронной сетью для выполнения
дефуззификации333
5.3.1. Введение333
5.3.2. Конструкция модуля334
5.3.3. Структура модуля335
5.3.4. Алгоритмы обучения модуля337
5.3.5. Решение задачи стабилизации перевёрнутого маятника342
5.3.6. Примечание348
5.4. Модуль нечёткого управления с возможностью коррекции правил348
5.4.1. Введение348
5.4.2. Фаза обучения на основе самоорганизации349
5.4.3. Фаза обучения с учителем354
5.4.4. Примечание356
5.5. Модуль нечёткого управления типа Такаги-Сугено: случай
независимых лингвистических переменных356
5.5.1. Введение356
5.5.2. Нейронная реализация функции принадлежности357
5.5.3. Модули Такаги-Сугено359
5.5.4. Реализация условий359
5.5.5. Реализация заключений361
5.5.6. Примечание365
5.6. Модуль нечёткого управления типа Такаги-Сугено: случай
зависимых лингвистических переменных365
5.6.1. Введение365
5.6.2. Нейронные сети для нечёткого вывода366
5.6.3. Структура системы368
5.6.4. Способ обучения372
5.6.5. Решение задачи парковки грузовика374
5.6.6. Примечание378
 
Список литературы379
Предметный указатель381

Книги на ту же тему

  1. Стохастические модели обучаемости, Буш Р., Мостеллер Ф., 1962
  2. Математические проблемы в биологии, Фомин С. В., Беркинблит М. Б., 1973
  3. Нечёткие модели и сети, Борисов В. В., Круглов В. В., Федулов А. С., 2007
  4. Нейронное программирование диалоговых систем, Толкачёв С. Ф., 2006
  5. Принципы нейродинамики, Антомонов Ю. Г., 1974
  6. От нейрона — к искусственному мозгу, Быков А. П., Вейц А. В., 1971
  7. Интеллектуальные методы в менеджменте, Кричевский М. Л., 2005
  8. Нейросетевые системы управления, Терехов В. А., Ефимов Д. В., Тюкин И. Ю., 2002
  9. Функциональные связи нейронов моторной коры при обучении: Пространственно-временная организация, Богданов А. В., Галашина А. Г., 2003
  10. Методы распознавания: Учебное пособие для вузов. — 3-е изд., перераб. и доп., Горелик А. Л., Скрипкин В. А., 1989
  11. Адаптация и обучение в автоматических системах, Цыпкин Я. З., 1968
  12. Методы принятия технических решений, Мушик Э., Мюллер П., 1990
  13. Новое в синергетике. Новая реальность, новые проблемы, новое поколение, 2007
  14. Новое в синергетике. Загадки мира неравновесных структур, 1996
  15. Новое в синергетике: Взгляд в третье тысячелетие, Малинецкий Г. Г., Курдюмов С. П., ред., 2002
  16. Синергетика для биологов: вводный курс, Исаева В. В., 2005
  17. Нечёткие множества в моделях управления и искусственного интеллекта, Аверкин А. Н., Батыршин И. 3., Блишун А. Ф., Силов В. Б., Тарасов В. Б., 1986
  18. Интеллектуальные информационные системы в экономике: учебное пособие. — 2-е изд., стереотип., Романов В. П., 2007
  19. Искусственный интеллект и интеллектуальные системы управления, Макаров И. М., Лохин В. М., Манько С. В., Романов М. П., 2006
  20. Автоматизация синтеза и обучение интеллектуальных систем автоматического управления, Макаров И. М., Лохин В. М., ред., 2009
  21. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов, Охтилев М. Ю., Соколов Б. В., Юсупов P. M., 2006
  22. Сотрудничающий компьютер: проблемы, теории, приложения, Стефанюк В. Л., Жожикашвили А. В., 2007
  23. Статистический анализ временных рядов, Андерсон Т., 1976
  24. Нелинейные волны 2012, Литвак А. Г., Некоркин В. И., ред., 2013
  25. Стохастическая финансовая математика (Труды математического института им. В. А. Стеклова, т. 237), Ширяев А. Н., ред., 2002
  26. Фракталы и хаос в динамических системах, Кроновер Р., 2006
  27. Хаос и порядок на рынках капитала: Новый аналитический взгляд на циклы, цены и изменчивость рынка, Петерс Э., 2000
  28. Алхимия финансов, Сорос Д., 2001
  29. Алгоритмы и вычислительные автоматы, Трахтенброт Б. А., 1974
  30. Десять заповедей нестабильности. Замечательные идеи XX века, Флауэрс Ч., 2007

Напишите нам!© 1913—2013
КнигоПровод.Ru
Рейтинг@Mail.ru btd.kinetix.ru работаем на движке KINETIX :)
elapsed time 0.024 secработаем на движке KINETIX :)