Нейрокомпьютинг и его применения в экономике и бизнесе


              

Нейрокомпьютинг и его применения в экономике и бизнесе

Обобщение данных. Прототипы задач
Нейрон - индикатор
Постановка задачи
Правило обучения Хебба
Правило обучения Ойа
Взаимодействие нейронов: анализ главных компонент
Постановка задачи

Необходимость взаимодействия нейронов
Самообучающийся слой
Сравнение с традиционным статистическим анализом
Целевая функция
Автоассоциативные сети
Предикторы
Латеральные связи
Соревнование нейронов: кластеризация
Победитель забирает все
Алгоритм обучения соревновательного слоя нейронов

Кластеризация и квантование
Оценка вычислительной сложности обучения
Оценка вычислительной сложности обучения - 2
Победитель забирает не все
Упорядочение нейронов: топографические карты
Алгоритм Кохонена
Алгоритм Кохонена - 2
Сети радиального базиса
Аппроксиматоры с локальным базисом
Гибридное обучение

Выводы
Примечание 1.1
Примечание 3.1
Примечание 5.1
Обобщение данных. Прототипы задач
Нейрон - индикатор
Постановка задачи
Правило обучения Хебба
Правило обучения Ойа
Взаимодействие нейронов: анализ главных компонент

Постановка задачи
Необходимость взаимодействия нейронов
Самообучающийся слой
Сравнение с традиционным статистическим анализом
Целевая функция
Автоассоциативные сети
Предикторы
Латеральные связи
Соревнование нейронов: кластеризация
Победитель забирает все

Алгоритм обучения соревновательного слоя нейронов
Кластеризация и квантование
Оценка вычислительной сложности обучения
Оценка вычислительной сложности обучения - 2
Победитель забирает не все
Упорядочение нейронов: топографические карты
Алгоритм Кохонена
Алгоритм Кохонена - 2
Сети радиального базиса
Аппроксиматоры с локальным базисом

Гибридное обучение
Выводы
Содержание