Автор: Аркадий Барский | Московский государственный университет путей сообщения
Форма обучения:
дистанционная
Стоимость самостоятельного обучения:
бесплатно
Доступ:
свободный
Документ об окончании:
 
Уровень:
Специалист
Длительность:
23:36:00
Студентов:
1720
Выпускников:
65
Качество курса:
4.38 | 3.75
На основе положений математической логики событий исследуется возможность построения логических нейронных сетей, выполняющих операции вывода в составе систем искусственного интеллекта, имитирующих механизмы работы мозга.
Предлагаются методы построения обученных нейронных сетей, созданных «под задачу», простые методы обучения-трассировки, методы преобразования описаний систем принятия решений для повышения достоверности выводов. Рассматривается возможность применения логических нейронных сетей в самообучающихся системах управления, а также в различных системах экономики, транспорта, безопасности, защиты информации, при решении задач интеллектуального отображения, в бизнесе туризма и развлечений, при политическом и социальном прогнозировании и в других задачах науки и искусства.
Специальности: Программист
ISBN: 978-5-9556-0094-9
 

План занятий

Занятие
Заголовок <<
Дата изучения
Лекция 1
1 час 19 минут
Математическая логика событий
Приводятся основные положения раздела математической логики - алгебры высказываний. Совершается переход от булевых значений переменных - высказываний - к действительным переменным, отображающим достоверность высказываний о событиях. Представляются основные положения и выводы, необходимые при построениях в области логических нейронных сетей.
-
Лекция 2
1 час 18 минут
Основы нейросетевых технологий
Приводятся основные понятия нейронных сетей. Демонстрируется возможность их построения на основе логической схемы взаимодействия событий принимаемых решений. Обсуждаются режимы работы, проблемы обучения, интерпретации и ввода исходной информации, представления пространства признаков, помехозащищенности и локализации максимального возбуждения.
-
Лекция 3
1 час 34 минуты
Построение современной нейросетевой технологии
На основе подхода, освещенного в лекции 1, подробно исследуется пример построения системы принятия решений. Экспериментально устанавливается корректность построений, приводящих к использованию логической нейронной сети. Обсуждаются проблемы формализованного представления и обработки нейронной сети.
-
Лекция 4
1 час 2 минуты
Трассировка нейронной сети
Приводится простейший алгоритм трассировки логической нейронной сети – построения логических цепочек связей, реализующих описание системы принятия решений. На сети произвольной структуры воссоздается однослойная нейронная сеть, приводящая возбуждения рецепторов, соответствующих заданию обобщенных эталонов, к возбуждению нейронов выходного слоя, соответствующих заданным решениям.
-
Лекция 5
34 минуты
Стратегии обучения и самообучения
Обсуждается процесс постепенного обучения, свойственный последовательному познанию предмета исследований. При построении систем принятия решений именно постепенное познание обусловливает возможность доведения таких систем до совершенства.
-
Лекция 6
26 минут
Нейронные сети с обратными связями
Обсуждается вопрос введения в нейронную сеть обратных связей как элемента самонастройки, уточнения возможной ситуации и на основе этого – выбора целесообразного решения. Предлагаются некоторые правила введения обратных связей.
-
Лекция 7
57 минут
Нейросетевые самообучающиеся системы управления
Исследуется возможность применения логических нейронных сетей для построения самообучающихся систем управления. В основе принципа самообучения лежит накопление знаний о возможных ситуациях и о принимаемых по ним решений. Моделируется принцип ассоциативного мышления интерполяцией знаний, накапливаемых в таблицах.
-
Лекция 8
39 минут
Логическое программирование нейронной сети
Показывается возможность логической нейронной сети производить логический вывод на основе языка ПРОЛОГ. Предполагается, что нейронная сеть не только способна реализовать дедуктивный вывод, но обладает и зачатками индуктивного мышления.
-
Лекция 9
1 час 17 минут
Структурное обоснование логической нейронной сети
На основе анализа простых примеров производится обоснование правильности применения основных положений математической логики событий при создании систем принятия решений. Показывается, что для повышения информативности нейронной сети заданной структуры обучение нейросети должно следовать структуре логического описания системы, однако требуется коррекция параметров нейронной сети и его логического описания.
-
Лекция 10
1 час 39 минут
Корректировка параметров, дистрибутивные преобразования, однослойные и совершенные логические нейронные сети
Для логической нейронной сети, составленной по ранее рекомендуемой схеме на основе произвольной формы логического описания системы принятия решений, предлагаются способы корректировки весов и порогов. Такая корректировка призвана "спасти" нейросеть, обеспечив корректность и однозначность предлагаемых ею решений. Для этой же цели предлагаются дистрибутивные преобразования логического описания системы принятия решений. Обсуждается возможность построения однослойных и совершенных логических нейронных сетей, а также проблема корректного задания исходных данных.
-
Лекция 11
1 час 8 минут
Трассировка логической структуры нейросети
Предлагаются: алгоритм обучения-трассировки нейронной сети при первоначальном отсутствии синапсических связей, алгоритм оптимального закрепления событий за рецепторами и общий алгоритм трассировки нейронной сети с учётом сложной структуры логических выражений.
-
Лекция 13
54 минуты
Нейросетевые технологии в экономике и бизнесе
Рассматривается принципиальная возможность применения совершенных логических нейронных сетей для банковского мониторинга и в системах оценки риска. На основе обобщения предлагаются принципы разработки унифицированного программного приложения для широкого круга пользователей в различных направлениях деятельности.
-
Лекция 15
2 часа 34 минуты
Основы "живого" моделирования
На основе предположения, что логические нейронные сети адекватно отображают принципы работы мозга, обсуждается проблема моделирования "живых" объектов — как натурного, так и компьютерного. Для компьютерного моделирования предлагаются математические основы имитации движения и деформации объектов в трехмерной памяти, отображающей пространственное их размещение. Обсуждается возможность построения и применения реагирующих объектов для оперативного отображения ситуаций в сложных и территориально распределенных управляющих системах, а также в искусстве.
-
Лекция 16
1 час 32 минуты
Перспективные нейросетевые технологии
Читателю предлагается пофантазировать и наметить пути собственного применения логических нейронных сетей в задачах обеспечения безопасности, защиты информации, медицинской диагностики, в сфере образовательных услуг, в задачах распознавания рукописных текстов, составления расписаний, экстренного торможения, прогнозирования, а также в искусстве и индустрии развлечений.
-
Компьютерная технология рисунка и ее применение в научных исследованиях и образовании
Исследуется компьютерная технология выполнения и редактирования рисунка для научных и образовательных иллюстраций, как важной сюжетной основы систем мультимедиа, плоской и объемной анимации, интеллектуального отображения управляющих систем и цифрового кино. Основное внимание уделяется юмористическому рисунку. Приводятся рисунки автора
-
1 час 40 минут
-
Эльвира Герейханова
Эльвира Герейханова

Раньше это можно было зделать просто нажав на тест и посмотреть результаты а сейчас никак

Елена Лобынцева
Елена Лобынцева
Помогите разобраться как можно подобрать НС для распознавания внутренней области выпуклого многоугольника?
Андрей Маштак
Андрей Маштак
Россия, Тамбов, ТВВАИУ, 1981
Valentin Khomutenko
Valentin Khomutenko
Украина