Методы искусственного интеллекта в инженерных задачах

Содержание книги "Методы искусственного интеллекта в инженерных задачах "

ВВЕДЕНИЕ
1. ВВЕДЕНИЕ В НЕЙРОННЫЕ СЕТИ
1.1. Применение искусственного интеллекта в робототехнике
1.2. Структура интеллектуальной системы управления мобильного робота
1.3. Классификация методов искусственного интеллекта
1.4. Структура и математическая модель биологического нейрона
1.5. Нейрон для реализации логического порогового элемента. Реализация линейно сепарабельных логических функций
1.6. Проблема линейно не сепарабельных функций. Простая нейронная сеть
1.7. Параметрическая адаптация нейронного порогового элемента. Правило адаптации персептрона
1.8. Инкрементальный алгоритм адаптации Мэя
1.9. Адаптивный линейный элемент
1.10. Алгоритмы адаптации адалины с использованием среднеквадратической ошибки
1.11. Адалина с сигмоидальной функцией активации
1.12. Контрольные вопросы к разделу 1
2. ПРАКТИЧЕСКАЯ РАБОТА 1. ОБУЧЕНИЕ НЕЙРОНА
2.1. Задание на практическую работу 1
2.2. Пример выполнения практической работы в среде Matlab
2.3. Пример выполнения практической работы на Python
2.4. Требования к результатам выполнения практической работы 1
2.5. Варианты к практической работе 1
2.6. Вопросы и задачи к практической работе 1
3. ОСНОВЫ ОБУЧЕНИЯ НЕЙРОННЫХ СЕТЕЙ
3.1. Простая сеть из трех нейронов
3.2. Обучение методом обратного распространения ошибки
3.3. Математическое описание двухслойной нейронной сети
3.4. Обобщенное дельта-правило
3.5. Сеть линейным выходом
3.6. Структура и математическое описание многослойной сети прямого распространения
3.7. Обобщенное дельта-правило для многослойной сети прямого распространения
3.8. Алгоритм обратного распространения ошибки с моментным коэффициентом
3.9. Общее описание алгоритма обратного распространения ошибки
3.10. Особенности алгоритма обратного распространения ошибки
3.11. Проблема локальных минимумов
3.12. Вопросы и задачи к разделу 3
4. ПРАКТИЧЕСКАЯ РАБОТА 2. ОБУЧЕНИЕ ПРОСТОЙ НЕЙРОННОЙ СЕТИ
4.1. Задание на практическую работу 2
4.2. Пример выполнения практической работы 2 в системе Matlab
4.3. Пример выполнения практической работы 2 на языке Python
4.4. Варианты заданий к практической работе 2
4.5. Требования к представлению результатов выполнения практической работы 2
4.6. Вопросы и задачи к практической работе 2
5. ПРОБЛЕМЫ И РАЗВИТИЕ МЕТОДОВ ОБУЧЕНИЯ И ПРИМЕНЕНИЯ НЕЙРОННЫХ СЕТЕЙ
5.1. Различные меры измерения ошибки обучения
5.2. Проблема регуляризации нейронных сетей
5.3. Методы упрощения нейронных сетей
5.4. Проблема вычисления матрицы Гесса
5.5. Алгоритмы обучения второго порядка
5.6. Алгоритмы обучения методом рекурсивной оценки
5.7. Нейронные сети с элементами запаздывания – динамические нейронные сети
5.8. Вопросы и задачи
6. ПРАКТИЧЕСКАЯ РАБОТА 3. РАЗРАБОТКА НЕЙРОННОЙ СЕТИ ДЛЯ ДВИЖЕНИЯ В ЦЕЛЬ С ОБХОДОМ ПРЕПЯТСТВИЯ
6.1. Задание для практической работы 3
6.2. Пример выполнения практической работы 3 в системе Matlab
6.3. Пример выполнения практической работы 3 на языке Python
6.4. Требования к представлению результатов выполнения практической работы 3
6.5. Варианты к практической работе 3
6.6. Вопросы и задачи к практической работе 3
7. ПРАКТИЧЕСКАЯ РАБОТА 4. СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ 2-СЛОЙНОЙ И 3-СЛОЙНОЙ НЕЙРОННОЙ СЕТИ
7.1. Задание для практической работы 4
7.2. Пример выполнения практической работы 4 в системе Matlab
7.3. Пример выполнения практической работы 4 на языке Python
7.4. Требования к представлению результатов выполнения практической работы 4
7.5. Варианты заданий к практической работе 4
7.6. Вопросы и задачи к практической работе 4
8. ПРАКТИЧЕСКАЯ РАБОТА 5. ИССЛЕДОВАНИЕ МЕТОДОВ РЕГУЛЯРИЗАЦИИ НЕЙРОННЫХ СЕТЕЙ
8.1. Задание для практической работы 5
8.2. Пример выполнения практической работы 5 в системе Matlab
8.3. Пример выполнения практической работы 5 на языке Python
8.4. Требования к представлению результатов выполнения практической работы 5
8.5. Варианты заданий к практической работе 5
8.6. Вопросы и задачи к практической работе 5
9. ЭВОЛЮЦИОННЫЕ ВЫЧИСЛЕНИЯ И ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ В ИНЖЕНЕРНЫХ ЗАДАЧАХ
9.1. Определение и методы эволюционного моделирования
9.2. Основные понятия генетических алгоритмов
9.3. Генетические операторы
9.4. Жадный оператор скрещивания
9.5. Способы выбора решений для скрещивания
9.6. Оператор мутации
9.7. Простой генетический алгоритм
9.8. Вопросы и задачи к разделу 9
10. ПРАКТИЧЕСКАЯ РАБОТА 6. ИССЛЕДОВАНИЕ ПРОСТОГО ГЕНЕТИЧЕСКОГО АЛГОРИТМА В ЗАДАЧЕ ПОИСКА ЭКСТРЕМУМА
10.1. Задание для практической работы 6
10.2. Пример выполнения практической работы 6 в системе Matlab
10.3. Пример выполнения практической работы 6 на языке Python
10.4. Требования к представлению результатов выполнения практической работы 6
10.5. Варианты заданий к практической работе 6
10.6. Вопросы и задачи к практической работе 6
11. ЗАИМСТВОВАННЫЕ ИЗ ПОВЕДЕНИЯ ЖИВЫХ ОРГАНИЗМОВ АЛГОРИТМЫ
11.1. Классификация роевых алгоритмов поисковой оптимизации
11.2. Глобальный роевой алгоритм
11.3. Локальный роевой алгоритм
11.4. Настройки роевых алгоритмов
11.5. Муравьиный алгоритм
11.6. Муравьиный алгоритм в задаче коммивояжера
11.7. Алгоритм искусственной пчелиной колонии
11.8. Контрольные вопросы к теме 11
12. ПРАКТИЧЕСКАЯ РАБОТА 7. ИССЛЕДОВАНИЕ РОЕВОГО АЛГОРИТМА В ЗАДАЧЕ ПОИСКА ПУТИ
12.1. Задание для практической работы 7
12.2. Порядок выполнения практической работы 7 (Matlab)
12.3. Порядок выполнения практической работы 7 (Python)
12.4. Требования к представлению результатов выполнения практической работы 7
12.5. Варианты заданий к практической работе 7
12.6. Вопросы и задачи к практической работе 7
13. ПРАКТИЧЕСКАЯ РАБОТА 8. ИССЛЕДОВАНИЕ МУРАВЬИНОГО АЛГОРИТМА В ЗАДАЧЕ ПОИСКА ПУТИ
13.1. Задание для практической работы 8
13.2. Порядок выполнения практической работы 8 (Matlab)
13.3. Порядок выполнения практической работы 8 (Python)
13.4. Требования к представлению результатов выполнения практической работы 8
13.5. Варианты заданий к практической работе 8
13.6. Вопросы и задачи к практической работе 8
14. ЭКСПЕРТНЫЕ И НЕЧЕТКИЕ СИСТЕМЫ
14.1. Определение, классификация и состав экспертной системы
14.2. Виды моделей знаний. Таблицы решений
14.3. Виды моделей знаний. Продукционные правила
14.4. Виды моделей знаний. Семантические сети
14.5. Виды моделей знаний. Фреймы
14.6. Нечеткая логика
14.7. Контрольные вопросы
15. ПРАКТИЧЕСКАЯ РАБОТА 9. ИССЛЕДОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ ДВИЖЕНИЕМ С НЕЧЕТКОЙ ЛОГИКОЙ
15.1. Задание для практической работы 9
15.2. Порядок выполнения практической работы 9 (Matlab)
15.3. Порядок выполнения практической работы 9 (Python)
15.4. Требования к представлению результатов выполнения практической работы 9
15.5. Варианты заданий к практической работе 9
15.6. Вопросы и задачи к практической работе 9
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЯ