Нейронные сети в прикладной экономике

Содержание книги "Нейронные сети в прикладной экономике"

Предисловие
1. Основные задачи распознавания образов
1.1. Примеры задач распознавания образов
1.2. Некоторые сведения из высшей математики
1.3. Интеллектуальный анализ данных
2. Математические методы распознавания образов
2.1. Общие представления о задаче распознавания образов
2.2. Три типа основных задач распознавания образов
2.2.1. Задачи обучения распознаванию образов
2.2.2. Задача минимизации описания
2.2.3. Задача таксономии или самообучения (кластер-анализ)
2.3. Модель дискриминантного анализа
2.3.1. Двухклассовый случай
2.3.2. Модель дискриминантного анализа для k классов
2.4. Методы дискриминантного анализа
2.4.1. Метод коррекции
2.4.2. Линейное программирование
2.4.3. Метод свертки
2.4.4. Метод комитетов в дискриминантном анализе
2.4.5. Методы построения комитетов систем неравенств
2.5. Модель таксономии
2.5.1. Метод выделения максимальных совместных подсистем
2.5.2. Метод cфер
3. Модели искусственных нейронных сетей
3.1. Биологическая модель нейрона
3.2. Модель кибернетического нейрона
3.3. Классификация нейронных сетей и их свойства
3.4. Основная задача нейронных сетей
3.5. Постановка задачи обучения нейронных сетей
3.6. Построение нейронной сети
4. Модели искусственных нейронных сете й
4.1. Персептрон Розенблатта
4.2. Сеть Хопфилда
4.3. Сеть Хемминга
4.4. Сеть Кохонена
4.5. Нейронная сеть с генетическим алгоритмом обучения
5. Дополните льные главы нейронных сете й
5.1. Исторические сведения из области распознавания образов и нейронных сетей
5.2. Распознавание в экономике
5.3. Метод ближайших соседей и комитетные конструкции
Задачи для самостоятельного решения
Список рекомендуемой литературы