Оптимизация нейронных сетей с учетом запаздывания

• Автор: Пустарнакова, Юлия Анатольевна
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Тверь
• Количество страниц: 161 с. : ил.

1. Биологические нейронные сети и нейробиология .

2. Искусственные нейронные сети.

3. Формальный нейрон МакКаллокаПиттса.

4. Модель Розенблатта.

5. Модель Хопфилда

6. Процедура обратного распространения .

7. Современные направления развития нейрокомпыо

тсрных технологий

1 Модель нейронной сети 1

1. Общая постановка задачи.

2. Модель нейронной сети последовательной линейной

структуры .
3. Необходимые условия оптимальности
4. Сведение исходной непрерывной задачи к дискретной
задаче оптимального управления
5. Алгоритм построения приближнного оптимального решения метод градиентного спуска с дроблением
шага .
6. Модель нейронной сети последовательной кольцевой
структуры .
7. Необходимые условия оптимальности
8. Сведение исходной непрерывной задачи к дискретной
задаче оптимального управления .
9. Анализ результатов численного эксперимента.
2 Модель нейронной сети 2
1. Модель нейронной сети, описывающая авторитмичность нейронов
2. Необходимые условия оптимальности.
3. Сведение исходной непрерывной задачи к дискретной
задаче оптимального управления .
4. Алгоритм построения приближнного оптимального
решения.
5. Анализ результатов численного эксперимента.
3 Модель нейронной сети 3
1. Модель нейронной сети, описываемая системой интогро
дифференциальных уравнений
2. Необходимые условия оптимальности.
3. Сведение исходной непрерывной задачи к дискретной
задаче оптимального управления .
4. Алгоритм построения приближнного оптимального
решения.
5. Анализ результатов численного эксперимента
Заключение
Список основной использованной литературы


Согласно 5 из многообразия организаций нейронных сетей можно выделить три основных типа иерархический тип, локальные сети и дивергентные сети с одним входом. Иерархическая организация характерна для систем, воспринимающих и проводящих информацию в мозг, а также осуществляющих исполнительскую деятельность. В этих сетях информация передатся последовательно от одного уровня к другому. Передача осуществляется конвергентно несколько нейронов одного уровня контактируют с одним нейроном другого уровня и дивергентно нейрон одного уровня образует связи с несколькими нейронами другого уровня. Считается, что конвергенция и дивергенция обеспечивают точность и наджность передачи информации. Локальные сети образованы нейронами с короткими аксонами, нейроны этих сетей действуют как фильтры, удерживающие поток информации в пределах определнного иерархического уровня. Дивергентные сети с одним входом характеризуются тем, что один нейрон образует выходные связи с очень большим числом других элементов, оказывает влияние на множество нейронов и может осуществлять связь со всеми иерархическими уровнями. В некоторых работах рассматривается модульный принцип организации мозга, когда нейроны распадаются на ансамбли, динамически связанные между собой. Структура искусственных нейронных сетей была смоделирована как результат изучения человеческого мозга. Как мы отмечали выше, сходство между ними в действительности очень незначительно, однако даже эта скромная эмуляция мозга приносит ощутимые результаты.