Пер. с польского И.Д.Рудинского. — М.: Финансы и статистика, 2002.
— 344 с.: ил. — ISBN 5-279-02567-4.
Представлены важнейшие разделы теории искусственных нейронных
сетей. Основное внимание уделяется алгоритмам обучения и их
применению для обработки измерительной информации. Дается детальный
обзор и описание важнейших методов обучения сетей различной
структуры, иллюстрируемые численными экспериментами с практически
подтвержденными результатами. Для аспирантов и научных работников,
интересующихся методами искусственного интеллекта. Может быть
полезна специалистам в области информатики, статистики, физики и
технических дисциплин, а также специалистам биомедицинских отраслей
знаний.
Введение.
Модели нейронов и методы их обучения.
Однонаправленные многослойные сети сигмоидального типа.
Проблемы практического использования искусственных нейронных сетей.
Радиальные нейронные сети.
Специализированные структуры нейронных сетей.
Рекуррентные нейронные сети как ассоциативные запоминающие устройства.
Рекуррентные сети на базе персептрона.
Сети с самоорганизацией на основе конкуренции.
Сети с самоорганизацией корреляционного типа.
Математические основы нечетких множеств.
Нечеткие нейронные сети.
Модели нейронов и методы их обучения.
Однонаправленные многослойные сети сигмоидального типа.
Проблемы практического использования искусственных нейронных сетей.
Радиальные нейронные сети.
Специализированные структуры нейронных сетей.
Рекуррентные нейронные сети как ассоциативные запоминающие устройства.
Рекуррентные сети на базе персептрона.
Сети с самоорганизацией на основе конкуренции.
Сети с самоорганизацией корреляционного типа.
Математические основы нечетких множеств.
Нечеткие нейронные сети.