Читать фрагмент

книга

Нейронные сети в прикладной экономике

Автор: Елена Трофимова, Владимир Мазуров, Денис Гилёв

В учебном пособии показаны методы настройки нейронных сетей и распознавания образов для решения задач прикладной экономики, в том числе персептрон Розенблатта, сеть Хемминга, методы линейного программирования. Рассмотрены также методы коллективных решений. Приводятся примеры задач и упражнения.Для магистрантов, изучающих дисциплину «Нейронные сети в прикладной экономике».

Форматы: PDF

Издательство: Издательство Уральского университета

Год: 2017

Место издания: Екатеринбург

ISBN: 978-5-7996-2018-9

Страниц: 98

Артикул: 99947

Электронная книга

294 ₽

Купить и скачать

Содержание

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

Отрывок из книги

222. МАТЕМАТичЕскиЕ МЕТОды рАсПОзнАвАния ОбрАзОв2.1. Общие представления о задаче распознавания образовзадача распознавания образов — задача описания и класси-фикации объектов той или иной природы. объекты, вошедшие в один класс, должны быть похожи друг на друга (по некоторому критерию близости).распознать объект — значит указать, к какому классу или образу он принадлежит.здесь встает проблема понимания критерия близости, что вообще такое близость объектов и как ее измерить. для этого вспомним, что объекты у нас, как правило, описываются вектором состояния. Мы знаем различные операции над векторами, в том числе скалярное произведение. также знаем, что векторы могут образовывать векторные и метрические пространства.на основании этих математических знаний опишем наиболее часто встречающиеся «измерения близости объектов».1. коэффициенты связиa) простейший коэффициент связи,,, 01i ji jmSSn,показывает отношение числа совпадающих признаков m к общему числу n. применяется, только если все признаки равноправные или любой признак имеет вес.

Внимание!
При обнаружении неточностей или ошибок в описании книги "Нейронные сети в прикладной экономике (автор Елена Трофимова, Владимир Мазуров, Денис Гилёв)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!

Нейронные сети в прикладной экономике

Содержание

Отрывок из книги

другие книги автора

С книгой "Нейронные сети в прикладной экономике" читают