Фундаментальная библиотека ФГБОУ ВО СПХФУ Минздрава России

Версия для слабовидящих: Вкл Выкл Изображения: Вкл Выкл Размер шрифта: A A A Цветовая схема: A A A A

Главная

ИРБИС64+

Упрощенный режим

Описание

Базы данных

ЭБС IPRBooks- результаты поиска

Вид поиска

Электронный каталог

Картотека журнальных статей

Систематический имидж-каталог

Авторефераты диссертаций

Учебники и учебно-методические пособия СПХФУ

ЭБС IPRBooks

ЭБС Консультант студента

ЭБС Юрайт

Диссертации, защищенные в СПХФУ

Журнальный фонд СПХФУ

Библиотечный фонд техникума

ВКР

Область поиска

Формат представления найденных документов:
полный	информационный	краткий

Поисковый запрос: (<.>K=простой персептрон<.>)

Общее количество найденных документов : 1

Вид документа : Однотомное издание
Шифр издания : 97551
Автор(ы) : Тарков М. С.
Заглавие : Нейрокомпьютерные системы : Учебное пособие
Выходные данные : Москва: Интернет-Университет Информационных Технологий (ИНТУИТ), Ай Пи Ар Медиа, 2020
Колич.характеристики :170 с
Примечания : Книга находится в Премиум-версии ЭБС IPRbooks.
ISBN, Цена 978-5-4497-0664-5: Б.ц.
УДК : 004
ББК : 32.81
Ключевые слова (''Своб.индексиров.''): искусственный интеллект--нейрокомпьютер--нейрокомпьютерная система--нейрон маккаллока-питса--нейронная сеть--нейрон хебба--паде-нейрон--простой персептрон--сигмоидальный нейрон
Аннотация: В учебном пособии излагаются основы построения нейрокомпьютеров. Дается детальный обзор и описание важнейших методов обучения нейронных сетей различной структуры, а также задач, решаемых этими сетями. Рассмотрены вопросы реализации нейронных сетей. Искусственные нейронные сети реализуют одну из парадигм искусственного интеллекта, а именно, коннекционистскую. Это означает, что преобразование, выполняемое сетью, определяется значениями весовых коэффициентов и топологией межнейронных соединений. Вместо программирования в традиционных вычислительных системах здесь используется обучение сети, которое сводится к настройке весовых коэффициентов с целью оптимизации заданного критерия качества функционирования сети. Нейронные сети хорошо решают те задачи, которые с трудом поддаются алгоритмизации: распознавание образов, реализация ассоциативной памяти, комбинаторная оптимизация.
(для доступа требуется авторизация)

Тематический навигатор

Статистика обращений

Статистика за 01.07.2024
Число запросов	0
Число посетителей	0
Число заказов	0

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)