Нейросетевые технологии: учебное пособие

Description

Рассматриваются теоретические и практические аспекты построения нейронных сетей с использованием различных моделей и архитектур. Изложение материала ведется с примерами, реализованными в среде RStudio с использованием широкого круга библиотек. Предназначено для студентов, обучающихся по программе бакалавриата направления 09.03.02 «Информационные системы и технологии», и будет полезно при изучении дисциплин «Нейросетевые технологии» и «Технологии обработки информации». ПРЕДИСЛОВИЕ 1. БАЗОВЫЕ КОНЦЕПЦИИ НЕЙРОННЫХ СЕТЕЙ 1.1. Нейрон – основа сети 1.2. Функции активации 1.3. Обратное распространение ошибки 1.4. Обучение нейронной сети 1.5. Оптимизация обучения 2. КЛАССИЧЕСКИЕ НЕЙРОННЫЕ СЕТИ 2.1. Многослойные персептроны (MLP) 2.2. Нейронные сети RBF 2.3. Самообучающиеся карты Кохонена (SOM) 2.4. Нейронные сети ART 2.5. Рекуррентные сети Элмана и Джордана 3. НЕЙРОННЫЕ СЕТИ ГЛУБОКОГО ОБУЧЕНИЯ 3.1. Автокодировщики (AE) 3.2. Ограниченные машины Больцмана (RBM) 3.3. Накапливающие нейронные сети (SAE, SRBM) 3.4. Сверточные нейронные сети (CNN) 3.5. Капсульные нейронные сети (CapsNet) 4. КРЕАТИВНЫЕ НЕЙРОННЫЕ СЕТИ 4.1. Вариационные автокодировщики (VAE) 4.2. Порождающие состязательные сети (GAN) 4.3. Рекуррентные нейронные сети (RNN) 4.4. Нейронные сети, нечувствительные к весам (WANN) 5. ПОСТРОЕНИЕ И ОБУЧЕНИЕ НЕЙРОННЫХ СЕТЕЙ 5.1. Библиотека машинного обучения TensorFlow 5.2. Нейросетевая библиотека Keras ЗАКЛЮЧЕНИЕ СПЕЦИАЛЬНЫЕ ТЕРМИНЫ И СОКРАЩЕНИЯ СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ