«Нейрокомпьютеры и их применение» (серия)

«Нейрокомпьютеры и их применение» 102k

-

()

◄ СМЕНИТЬ ► |▼ О СТРАНИЦЕ ▼

▼ ОЦИФРОВЩИКИ ▼| ◄ СМЕНИТЬ ►

Научная серия.

:
Вадим Ершов...
...

СПИСОК НЕКОТОРЫХ ИЗДАНИЙ НА РУССКОМ ЯЗЫКЕ:
...

►

◄

Архив этой страницы:

ОПИСАНИЯ НЕКОТОРЫХ ИЗДАНИЙ

►

◄

Список описываемых изданий (групп изданий):

* Нейрокомпьютеры и их применение. Книга 3. (2000) Учебное пособие
* Нейрокомпьютеры и их применение. Книга 5. (2001) Учебное пособие

▼

▲

Ⓐ ⒸНейрокомпьютеры и их применение. Книга 3. Галушкин А.И. Нейрокомпьютеры. [Djv-10.2M] Учебное пособие для вузов. Общая редакция: Александр Иванович Галушкин.
(Москва: Издательское предприятие редакции журнала «Радиотехника», 2000. - Серия «Нейрокомпьютеры и их применение». Книга 3)
Скан, обработка, формат Djv: ???, предоставил: Михаил, 2013

КРАТКОЕ ОГЛАВЛЕНИЕ:
Предисловие (3).
Глава 1. Введение (4).
Глава 2. Теория нейронных сетей (11).
Глава 3. Архитектура нейрокомпьютеров (24).
Глава 4. Нейроматематика (32).
Глава 5. Нейропакеты: современное состояние и сравнительные характеристики (50).
Глава 6. Первые нейрокомпьютеры (82).
Глава 7. Моделирование нейронных сетей на суперЭВМ (158).
Глава 8. Нейрокомпьютеры на универсальных микроцессорах (176).
Глава 9. СБИС-нейрочипы - перспективное направление разработок нейрокомпьютеров (225).
Глава 10. Нейрокомпьютеры на базе СБИС-нейрочипов (342).
Глава 11. Перспективные технологии нейрокомпьютеров (428).
Глава 12. Оценка производительности нейрокомпьютеров (493).
Литература (515).
Заключение (517).

ИЗ ИЗДАНИЯ: Рассмотрены основные отечественные и зарубежные нейрокомпьютеры 50-70-х годов, а также нейрокомпьютеры 80-90-х годов, разработанные на базе универсальных микропроцессоров и в виде программных пакетов на суперЭВМ. Приведены разработки цифровых и аналоговых нейрочипов, а также вычислительных систем на их основе. Описаны перспективные технологии нейрокомпьютеров - оптических, нейрокомпьютеров на пластине, манипулярных и квантовых.
Для студентов по направлению подготовки бакалавров и магистров «Прикладные математика и физика», а также для научных работников, аспирантов и студентов, занимающихся разработкой и применением сверхвысокопроизводительной вычислительной техники.

▼

▲

Ⓐ ⒸНейрокомпьютеры и их применение. Книга 5. Нейронные сети: история развития теории. [Djv-16.0M] Учебное пособие для вузов. Общая редакция: Александр Иванович Галушкин, Яков Залманович Цыпкин.
(Москва: Издательское предприятие редакции журнала «Радиотехника», 2001. - Серия «Нейрокомпьютеры и их применение». Книга 5)
Скан, OCR, обработка, формат Djv: ???, предоставил: Михаил, 2014

ОГЛАВЛЕНИЕ:
Предисловие (3).
1943 г.
Логическое исчисление идей, относящихся к нервной активности. Мак-Каллок У.С., Питтс У.В. (5).
1957 г.
Представление непрерывных функций нескольких переменных в виде суперпозиций непрерывных функций одного переменного и сложения. Колмогоров А.Н. (23).
1958 г.
Персептрон: вероятностная модель хранения информации и организации мозга. Розенблатт Ф. (29).
1960 г.
Адаптивные переключающие схемы. Уидроу Б., Хофф М.Е. (58).
1962 г.
Обобщение восприятий по группам преобразований. Розенблатт Ф. (74).
Предсказание характеристик персептрона. Джозеф Р.Д. (103).
Теория обучения одного класса дискретных персептронов. Глушков В.М. (115).
1963 г.
О вероятностной сходимости в адаптивном четырехслойном персептроне. Кестэн Д. (134).
Теория поля нейронных сетей. Вывод уравнений поля. Часть 1. Гриффит Ж.С. (142).
1964 г.
Надежность биологических систем. Мак Каллок У. (150).
Обучающиеся матрицы для дискретных (двоичный код) и непрерывных сигналов. Штайнбух К. (166).
1965 г.
Аналитические методы изучения нейронных сетей. Розенблатт Ф. (180).
Многослойные обучающиеся схемы. Стаффорд Р.А. (198).
Распознавание образов и адаптивное управление. Уидроу Б. (206).
Теория поля нейронных сетей. Свойства уравнений поля. Часть 2. Гриффит Ж.С. (227).
1966 г.
Стратегические подходы к исследованию моделей мозга. Розенблатт Ф. (236).
Адаптация, обучение и самообучение в автоматических системах. Цыпкин Я.З. (253).
1967 г.
Последняя работа по созданию теоретических моделей биологической памяти. Розенблатт Ф. (300).
Теория адаптивных классификаторов образов. Амари Ш. (323).
1968 г.
Сравнение некоторых свойств симметричных слоистых сетей с прямыми и обратными, локальными связями. Гавронски Р. (344).
1969 г.
Выделение особенностей зрительных образов с помощью многослойной сети аналоговых пороговых элементов. Фукушима К. (357).
1970 г.
Обучающиеся автоматические системы. Цыпкин Я.З. (383).
К сравнению критериев оптимизации, адаптивных систем распознавания образов. Галушкин А.И., Зак Л.С., Тюхов Б.П. (403).
Единый подход к решению задач обучения и самообучения систем распознавания образов. Галушкин А.И. (419).
Методы синтеза систем распознавания образов. Галушкин А.И. (436).
О применении кусочно-линейных разделяющих поверхностей в задаче распознавания образов. Галушкин А.И., Юмашев С.Г. (476).
1971 г.
Об алгебре нейронных матриц. Агабабян К.Г. (494).
Реализация критериев первичной оптимизации в системах распознавания образов, настраивающихся по замкнутому циклу в режиме обучения. Галушкин А.И. (498).
О сходимости одного метода случайного поиска при отыскании локальных и глобальных экстремумов многоэкстремальной функции. Галушкин А.И., Тюхов Б.П., Чигринов В.Т.510.
Анализ динамики систем распознавания нестационарных образов. Галушкин А.И., Василькова Т.Ф., Слободенюк В.И., Тюхов Б.П. (513).
Итерационные методы поиска экстремума функций многих переменных при наличии ограничений типа равенств. Галушкин А.И., Шмидт А.В. (526).
1972 г.
Алгоритмы обучения распознаванию образов в нестационарных условиях. Цыпкин Я.З. (530).
Построение и исследование оптимальных многослойных систем распознавания образов в режиме обучения. Ванюшин В.А., Галушкин А.И., Тюхов Б.П. (540).
Обучение образам на самоорганизующейся сети пороговых элементов. Амари Ш. (547).
Корреляционная матричная память. Кохонен Том 559.
1973 г.
Об алгоритмах адаптации в многослойных системах распознавания образов. Галушкин А.И. (574).
1974 г.
О методе статистической нейродинамики. Амари Ш. (579).
1975 г.
Электронное моделирование сетчатки позвоночных. Ескмиллер Р. (589).
Когнитрон: самоорганизующаяся многослойная нейронная сеть. Фукушима К. (605).
Однородные сети нейроподобных элементов. Амари Ш. (632).
1976 г.
Метод моделирования нейронных сетей, использующий быстрое преобразование Фурье. Барто А.Г. (654).
Ассоциативная память образов. Кохонен Т., Рехкала Е., Макисара К., Ванио Л. (664).
Построение и исследование систем распознавания образов при произвольной «квалификации учителя». Викторов Н.В., Галушкин А.И. (681).
Обращение матрицы с помощью многослойной системы из линейных пороговых элементов. Галушкин А.И., Кудрявцев А.М. (691).
1977 г.
Формирование образов в нейронных полях с латеральным торможением. Амари Ш. (701).
Реализация критериев первичной оптимизации в системах распознавания образов, настраивающихся по замкнутому циклу в режиме обучения. Галушкин А.И. (722).
1980 г.
Неокогнитрон: самоорганизующаяся нейронная сетевая модель для механизма распознавания образов, не затронутого сдвигом в позиции. Фукушима К. (730).
1981 г.
Нейронная обработка аналоговой информации. Хехт-Нельсен Р. (746).
1982 г.
Нейронные сети и физические системы, проявляющие свойства коллективных вычислений. Хопфильд Д. (753).
Самоорганизующееся формирование топологически правильных характеристических карт. Кохонен Том 765.
Неокогнитрон: новый алгоритм для распознавания образов, приспособленный к деформациям и сдвигам в позиции. Фукушима К., Мияки С.786.
Анализ простых самоорганизующихся процессов. Кохонен Т. (815).
Приложение 1. Библиография статей (826).
Приложение 2. Библиография монографий (833).

ИЗ ИЗДАНИЯ: Дана история развития теории и техники нейронных сетей, нейрокомпьютеров и нейросистем, связанных с теорией адаптации и обучения в автоматических системах. В книгу вошли работы отечественных и зарубежных авторов, опубликованные с 1943-1992 гг., представляющие собой значительный интерес для современных разработчиков нейрокомпьютеров.
Для студентов, аспирантов, а также научных работников, занимающихся разработкой и применением сверхвысокопроизводительной вычислительной техники.