Физически информированное машинное обучение
Товара нет в наличии
Посмотрите другие книги категории IT. Информатика- ISBN
- 978-5-9729-3338-9
- Кол-во страниц
- 120
- Формат
- 165х235
- Переплет
- Твердый; Полноцвет
- Год
- 2027 Библиографическая запись
Т22 Физически информированное машинное обучение : монография / Д. А. Тархов, Г. Ф. Малыхина. – Москва ; Вологда : Инфра-Инженерия, 2027. – 120 с. : ил.
Приведены основные типы статических ФИНС. Показаны ФИНС, построенные по динамическим данным. Содержит информацию о комбинированных ФИНС с общей и с частичной структурой связей. Освещены общие перспективы применения ФИНС в инженерных, медицинских, социальных приложениях.
Для студентов магистратуры, аспирантов и молодых ученых, обучающихся по направлениям УГСН «Информатика и вычислительная техника», «Математика и механика» и по другим направлениям, связанным с решением задач машинного обучения.
Содержание
ВВЕДЕНИЕ 3
1. ОСНОВНЫЕ ТИПЫ СТАТИЧЕСКИХ НЕЙРОННЫХ СЕТЕЙ 10
1.1. Построение модели по статической выборке 10
1.2. Модели нейронных сетей с радиальными базисными функциями 11
1.3. Многослойная сеть прямого распространения сигнала 14
1.4. Комбинированные сети и сети с частичной структурой связей 17
1.5. Кластерный анализ и сети Кохонена 21
2. МОДЕЛИ, ПОСТРОЕННЫЕ ПО ДИНАМИЧЕСКОЙ ВЫБОРКЕ 26
2.1. Многослойный персептрон и полная сеть прямого распространения
с временными задержками 26
2.2. Полная сеть прямого распространения с временными задержками 29
2.3. Временные сети с частичной структурой связей 30
2.4. Динамическая кластеризация и сети Кохонена 32
2.5. RBF-сети с временными задержками 36
2.6. Рекуррентные сети с частичной структурой связей 40
2.7. Сети Хопфилда 43
2.8. Нейронные сети с долгой кратковеменной памятью – LSTM 45
3. МЕТОДЫ НЕЛИНЕЙНОЙ ОПТИМИЗАЦИИ 47
3.1. Схема процесса поиска параметров нелинейной регрессии 47
3.2. Методы первого порядка 52
3.3. Методы второго порядка 55
3.4. Методы выбора шага для алгоритмов нелинейной оптимизации 58
3.5. Методы глобальной оптимизации 61
3.6. Генетические алгоритмы 66
3.7. Нелокальные модификации одноточечных методов 67
4. МОДЕЛИ, ПОСТРОЕННЫЕ ПО ДИФФЕРЕНЦИАЛЬНЫМ УРАВНЕНИЯМ И ДАННЫМ 70
4.1. Формулировка задачи 70
4.2. Функция потерь 76
4.3. Классы функций 85
5. МОДЕЛИ С АРХИТЕКТУРОЙ, ОСНОВАННОЙ НА ФИЗИКЕ 88
5.1. Проблема аналитической модификации классических численных методов 88
5.2. Решение задачи Коши 90
5.3. Подбор архитектуры, структуры и весов нейронной сети 98
5.4. Адаптация модели при появлении новой информации 103
5.5. Общие перспективы применения ФИНС 105
СПИСОК ЛИТЕРАТУРЫ 106