Автор работы: Пользователь скрыл имя, 16 Декабря 2011 в 00:37, курсовая работа
Нейронные сети – это обобщенное название нескольких групп алгоритмов, обладающих одним ценным свойством — они умеют обучаться на примерах, извлекая скрытые закономерности из потока данных. При этом данные могут быть неполны, противоречивы и даже заведомо искажены. Если между входными и выходными данными существует какая-то связь, пусть даже не обнаруживаемая традиционными корреляционными методами, нейронная сеть способна автоматически настроиться на нее с заданной степенью точности. Кроме того, современные нейронные сети обладают рядом дополнительных возможностей — они позволяют оценивать сравнительную важность различных видов входной информации, уменьшать ее объем без потери существенных данных, распознавать симптомы приближения критических ситуаций и т.д.
Литература.
1. Барцев С.И. Некоторые свойства адаптивных сетей (программная реализация). – Красноярск: Институт физики СО АН СССР, 1987.
2. Куссуль В.М., Байдык Т.Н. Разработка архитектуры нейроподобной сети для распознавания формы объектов на изображении // Автоматика. 1990. № 5. С. 56-61.
3. Розенблат Ф. Принципы нейродинамики // М.: МИР, 1965.
4. Тэнк Д.У., Хопфилд Д.Д. Коллективные вычисления в нейроноподобных электронных схемах // В мире науки. 1988. № 2. С. 44-53.
5. Джеффри Е. Хинтон. Как обучаются нейронные сети // В мире науки. 1992. № 11–2. C. 103-107.
6. Трикоз Д.В. Нейронные сети: как это делается? // Компьютеры + программы. 1993. № 4(5). С. 14-20.
7. Суворов С.В., Матихина Н.Ю. Программное моделирование нейроподобных структур // Распределенная обработка информации. –Улан-Уде, 1989. С. 28.