Una rete neurale probabilistica - pagina 2
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Ecco un altro ritaglio dal libro di testo.
Да не только в учителе дело. Принцип другой. МЛП чертит линии(гиперплоскости), а вероятностная окружности(гипершары).
Взять простой пример:
Линейный перцептрон просто линией разделил и всё, линия у него бесконечна.
А значение потенциалов обоих классов будет практически нулевым. Разница есть?
Cosa c'entra un perceptron lineare? Un MLP, o perceptron multistrato, o in russo, un perceptron multistrato, dividerà qualsiasi spazio complesso in classi. La differenza è l'insegnante, PNN è un compito di classificazione, MLP è un compito di approssimazione per la maggior parte. Quale compito, chiamiamo la griglia.
Причем здесь линейный персептрон? MЛП, или MLP - multilayer perceptron, или рускими словами, многослойный персептрон, он разделит на классы скольугодно сложное пространство. Разница в учителе, PNN задачи классификации, MLP задачи апроксимации по большей части. Какая задача, так и обзываем сетку.
Inbase alla tua logica, in quale classe classificheresti unarete neuraleconvoluzionale ? Potrei facilmente usare MLP per la classificazione probabilistica, ma non sarebbe una rete PNN.
C'è stata un'accesa discussione su PNN (https://forum.mql4.com/ru/9502) ai tempi in cui Batter ha vinto il concorso, vi consiglio di dare un'occhiata però.
Prima di tutto PNN ha differenze architettoniche, cioè come i neuroni sono collegati tra loro, gli strati nascosti e di uscita non sono completamente collegati.
Consiglio di trovare e leggere due articoli di Donald Specht: Probabilistic Neural Networks for Classification and Mapping o Associative Memory and Probabilistic Neural Networks.
Uno degli articoli riguarda il PNN nell'atacha.
Исходя из Вашей логики к какому классу вы отнесете свети свертки (convolutional neural net)? Я на легко могу использовать MLP для классификации по вероятностному признаку, но это не будет PNN сетью.
В свое время когда Беттер победил на конкурсе развернулась бурная дискуссия на предмет PNN (https://forum.mql4.com/ru/9502), рекомендую ее все же посмотреть.
В первую очередь PNN имеет архитектурные отличия, т.е. как связаны нейроны между собой, скрытый и выходной слои, не являются полносвязными.
Рекомендую найти и почитать две статьи, Дональда Спехтома (Donald Specht): Probabilistic Neural Networks for Classification и Mapping or Associative Memory and Probabilistic Neural Networks.
Одна из статей посвященная PNN в атаче.
Cosa voleva dire esattamente con il suo post? È che MLP non può risolvere i problemi PNN? O PNN non è adatto ai compiti MLP?
In caso contrario, non ha senso produrre concetti che riguardano tutti la stessa cosa: la trasformazione non lineare.
O forse vuoi dire che hanno una matrice diversa, in quale specifica differenza fondamentale, si prega di illustrare con esempi specifici, senza fare riferimento al wiki e leggere articoli, libri saranno misurati o cosa?
Architettura di una rete PNN/GRNN
Nel 1990, Donald F. Specht ha proposto un metodo per formulare il metodo dei vicini ponderati descritto sopra sotto forma di una rete neurale. Ha chiamato questo una"Rete Neurale Probabilistica". Ecco un diagramma di una rete PNN/GRNN:
Tutte le reti PNN/GRNN hanno quattro strati:
Per le reti GRNN, ci sono solo due neuroni nello strato di pattern. Un neurone è l'unità di somma a denominatore e l'altro è l'unità di somma a numeratore. L'unità di somma a denominatore somma i valori di peso provenienti da ciascuno dei neuroni nascosti. L'unità di sommatoria del numeratore somma i valori dei pesi moltiplicati per il valore target effettivo per ogni neurone nascosto.
Per le reti GRNN, lo strato di decisione divide il valore accumulato nell'unità di somma del numeratore per il valore nell'unità di somma del denominatore e usa il risultato come valore target previsto.
E quali sono le principali differenze rispetto a MLP?
Ogni autore produce concetti; il loro scopo non è quello di promuovere la scienza, ma di fare soldi su libri e articoli, così come gli "stock writer".
PS Diversi autori su NN a volte differiscono negli stessi concetti e definizioni, quindi non ha senso fare riferimento ad alcuni di loro per chiarire i termini.
PPS Ciò che è importante è la comprensione di come funziona un neurone attraverso una trasformazione non lineare. Questo è tutto, non c'è bisogno di altro.
Ну и что конкретно Вы хотели сказать своим постом? Может то, что MLP не может решать задачи PNN? Или PNN не пригоден для задач MLP?
Ну и в чем принципиальные отличия от MLP?
PS У разных авторов по NN порой разнятся одни и те же понятия и определения, поэтому нет смысла ссылаться на одних из них для уточнения терминов.
PPS Важно понимание работы нейрона по нелинейному преобразованию. Всё, больше ничего не нужно.
La prima e principale differenza è come vengono interpretati gli output della rete e come questa interpretazione viene resa non ambigua (relativa).
Nel caso di PNN, la rete è progettata per classificare/clusterizzare i dati, quindi non è completamente magliata, MLP è completamente magliata.
Un'altra differenza è che PNN può usare diverse funzioni di attivazione per diversi strati, ad esempio per lo strato di uscita viene usata una funzione a base radiale,
mentre MPL usa tradizionalmente la stessa funzione di attivazione per tutti gli strati.
PNN può risolvere i problemi MPL, solo che non sarà più una PNN, ma una variante basata su un'architettura non full-connect, proprio la stessa cosa al contrario.
Per quanto riguarda la trasformazione non lineare, sì, sono d'accordo, qualsiasi NS è una trasformazione non lineare (o lineare, anche il perseptron monostrato è un NS) ed è importante capire come funziona,
Ma tralasciate un altro fatto, NS tiene conto dell'architettura interna delle connessioni - dimenticate che l'apparato matematico è basato su un prototipo biologico e un cognitron, per esempio, è più vicino al suo
attuazione.
L'autore del thread era interessato all'apparato matematico, gli articoli e le prime fonti lo rivelano meglio. :) E le caratteristiche distintive che vi ho dato subito - l'architettura. E non è il desiderio degli autori
Per "lasciare il segno nell'arte", tutto è più semplice e più complicato - avete bisogno di una regola univoca di interpretazione degli output, con diversi dati di input (dati da diverse aree di applicazione).
1)Первое и основное отличие это то как интерпретируются выходы сети и с помощью чего обеспечивается однозначность (относительная) этой интерпретации.
В случае с PNN, сеть разрабатывалась для классификации\кластеризации данных, следовательно имеет не полносвязую структуру, MLP - полносвязную.
2)Еще одним отличием является то, что PNN может используются различные ф-ции активации для различных слоев, скажем для выходного слоя использует радиально-базисная ф-ция,
а MPL традиционно использует для всех слоев одну и туже ф-цию.
3)PNN может решать задачи MPL, только это будет уже не PNN, а вариация на базе не полносвязной архитектуры, точно также и в обратную сторону.
4)Относительно нелинейного преобразования, да согласен, любая НС - это нелинейное преобразование (или линейное, однослойные персептрон тоже НС) и важно понимать как это работает,
но вы опускаете еще один факт, НС учитывает внутреннюю архитектуру связей - вы забываете, что в основу мат. аппарата все же лег биологический прототип и когнитрон, к примеру, ближе всего к его
реализации.
5)Автор ветки интересовался мат. аппаратом, статьи и перво источники лучше всего его раскрывают. :) А отличительные признаки я назвал вам сразу - архитектура. И здесь не стремление авторов
"оставить свой след в искусстве", все проще и сложнее - необходимо однозначное правило интерпретации выходов, при различных исходных данных (данных с различных прикладных областей).
1) È quello che ho detto, si tratta dell'insegnante.
2) Hmm, chi vieta di usare una forza f di attivazione diversa per ogni neurone della rete in MLP? O meglio, il fattore di curvatura nell'attivazione f-i, poiché esso (attivazione f-i) è lo stesso per tutte le reti e tutti i neuroni, la sua forma può variare da logica a gradini, a forma di s a lineare rettilinea.
10 è il coefficiente di curvatura.
3) Beh, se è così, allora non c'è bisogno di fare storie.
4) Non contraddice ciò che ho detto.
5) Segui ciecamente le autorità dei libri e non fai nessuna ricerca tu stesso? Non dovreste. C'è uno spazio illimitato per l'immaginazione qui, e se si seguono i concetti, spesso contraddittori, dei libri, c'è una grande probabilità di perdere qualcosa di molto importante.... Hmm, ti stai perdendo un sacco di cose.
In generale, chiamatelo come volete, l'essenza della trasformazione non lineare di un neurone non cambierà.
Buona fortuna!
joo писал(а) >>
Ci sarà una battaglia di libri o cosa?
Elenco dei file nella mia libreria
Sulle reti:
Un caso di studio sull'uso di reti neurali per eseguire tecniche.pdf
Modelli e probabilità di Forex.pdf
Gorban A.N. Neuroinformatica. Cosa siamo, dove andiamo, come misurare il nostro cammino.pdf
Haykin S. Filtraggio di Kalman e reti neurali.djvu
IskusstvennyeNeironnyeSeti.TeoriyaIPraktika_cover.jpeg
Jonsson F. Markus. Pathfinding del veicolo su mappe di terreno reale digitalizzate. Parte 1.doc
Jonsson F. Markus. Trovare il percorso ottimale per i veicoli su mappe digitalizzate di terreno reale. Parte 2.doc
Krose B. Un'introduzione alle reti neurali. 1996.djvu
Long, Parks Modellazione di reti neurali.djvu
Modellazione e trading EURUSD.pdf
Neural_Network_Trend_Predictor_Manual.pdf
rbfkalman.pdf
ToshibaNeuronChip.pdf
Utilizzo di reti neurali ricorrenti per la previsione del Forex.pdf
Barskyi A.B. Reti Neurali Riconoscimento, Controllo, Decisione. 2004.pdf
Berkinblit M.B. Reti neurali 1993.djvu
Bastens D. Reti neurali e mercati finanziari. Il processo decisionale nel trading.djvu
Vapnik V.N. Ricostruzione della dipendenza dai dati empirici. 1997.djvu
Voronovsky G.K. Algoritmi genetici, reti neurali artificiali e problemi di realtà virtuale. pdf
Galushkin A.I. Teoria delle reti neurali. Volume 1 2000.djvu
Goldstein B.S. Reti intelligenti. 2000.djvu
Gorban A.N. Teorema di approssimazione generalizzato e capacità computazionali delle reti neurali.pdf
Gorbunova E.O. Universalità algoritmica della macchina cinetica di Kirdin.pdf
Gorbunova E.O. Metodi di neuroinformatica. Finitezza e determinatezza di programmi semplici per la macchina cinetica di Kirdin.pdf
Jane Anil K. Introduzione alle reti neurali artificiali.pdf
Dorrer M.G. Previsione intuitiva delle relazioni di gruppo mediante reti neurali.pdf
Dorrer M.G. Metodi di neuroinformatica. Approssimazione di funzioni multidimensionali mediante un predittore a semi-strato con trasduttori arbitrari.pdf
Dubrovich V.I. Subbotin S.A. Algoritmo di apprendimento accelerato di Perseptrons.pdf
Ezhov A. Shumsky S. Neurocomputing e le sue applicazioni in economia e commercio.djvu
Zhukov L.A. Utilizzo delle tecnologie delle reti neurali per il lavoro di ricerca educativa.pdf
Zaentsev I.V. Modelli di base delle reti neurali. 1999.pdf
Zakharov V.N. Khoroshevsky V.F. Intelligenza artificiale. Volume 3. Software e hardware 1990.djvu
Callan R. Concetti di base delle reti neurali.djvu
Kgur P.G. Reti neurali e neurocomputer.pdf
Komashinsky V.I. Reti neurali e loro applicazione nei sistemi di controllo e comunicazione 2003.pdf
Korotky S. Hopfield e reti neurali di Hamming.pdf
Korotky S. Reti neurali. Algoritmo di propagazione posteriore.pdf
Korotky S. Reti neurali. Imparare senza un insegnante.pdf
Korotky S. Reti neurali. Concetti di base.pdf
Krisilov V.A. Kondartiuk A.V. Conversione dei dati di input delle reti neurali per migliorare la discriminabilità.pdf
Krisilov V.A. Oleshko D.N. Metodi di accelerazione della formazione delle reti neurali.doc
Krisilov, V.A., Chumichkin, K.V. Accelerazione dell'apprendimento delle reti neurali tramite semplificazione adattiva dei campioni di apprendimento.
Krisilov V.A. Presentazione dei dati iniziali nei compiti di previsione della rete neurale.pdf
Kruglov V.V. Logica fuzzy e reti neurali artificiali.djvu
Kruglov, Borisov - Reti neurali artificiali. Teoria e pratica, 2002.djvu
Kruglov, Borisov - Reti neurali artificiali. Teoria e pratica, 2002.txt
Liu B. Teoria e pratica della programmazione indefinita, 2005.djvu
McCulloch W., Pitts W. Logical calculus of ideas relating to neural activity.pdf
Markel J.D. Predizione lineare del discorso. 1980.djvu
Mirkes E.M. Neurocomputer. Progetto di norma. 1998.pdf
Nabhan T.N. Zomaya A. Sui problemi di creazione di strutture di reti neurali per l'ottimizzazione delle prestazioni.pdf
Napalkov A. V., Pragina L. L. - Il cervello umano e l'intelligenza artificiale.docx
Oleshko D.N. Aumento della qualità e della velocità di formazione delle reti neurali in un compito di previsione del comportamento delle serie temporali.doc
Oleshko D.N. Aumentare la qualità e la velocità dell'apprendimento delle reti neurali.doc
Ostrovsky S. Reti neurali per l'elaborazione delle informazioni 2000.djvu
Pitenko A.A. Utilizzo di tecnologie di rete neurale per risolvere problemi analitici in GIS.pdf
Senashova M.Y. Errori di reti neurali. Calcolo degli errori nei pesi sinaptici. 1998.pdf
Subbotin S.A. Neurocybernetics in URSS-CIS - Analisi delle invenzioni e dei brevetti.pdf
Tarasenko R.A. Scelta della dimensione della descrizione di una situazione alla formazione del campione di formazione per le reti neurali in compiti di previsione di serie temporali.doc
Tarasenko R.A. Stima preliminare della qualità di selezione dell'addestramento per le reti neurali in compiti di previsione delle serie temporali.doc
Terekhov S.A. Aspetti tecnologici dell'apprendimento automatico delle reti neurali. 2006.pdf
Tyumentsev Yu.V. Sistemi autonomi intelligenti - una sfida per le tecnologie dell'informazione.pdf
Wosserman, F. Ingegneria dei Neurocomputer.doc
Wosserman, F. Ingegneria dei neurocomputer. Teoria e pratica.doc
Haikin S. Reti neurali - corso completo.djvu
Tsaregorodtsev V.G. Produzione di conoscenza semi-empirica da tabelle di dati per mezzo di reti neurali artificiali addestrabili.pdf
Su DSP:
Arndt J. Algoritmi per programmatori idee e codice sorgente.pdf
Les Thede Practical Analog and Digital Filter Design. 2004.pdf
O'Leary 2002 DSP directory.pdf
Paillard B. Un'introduzione ai processori di segnali digitali. 2002.pdf
Rorabauch, Britton Digital Filter Designer`s Handbook. 1989.pdf
Stranneby, Dag. Elaborazione digitale del segnale DSP e applicazioni. 2001.pdf
Eificher E. Jervis B. Digital Signal Processing. Un approccio pratico. 2004.djvu
Anokhina A.M. Elaborazione digitale dei segnali nei sistemi di misurazione dell'esperimento fisico. Calcolo dei filtri.pdf
Antonyu A. Filtri digitali. Analisi e design. 1983.djvu
Arutyunov P.A. Teoria e applicazione delle misure algoritmiche.1990.djvu
Belodedov M.V. Metodi di progettazione per i filtri digitali. 2004.pdf
Bleihut R. Algoritmi veloci per l'elaborazione dei segnali digitali. 1989.djvu
Bogner, R. Konstantinidis, A. Introduzione al filtraggio digitale. 1976.djvu
Bracewell R. La trasformazione di Hartley. Teoria e pratica. 1990.djvu
Vinokurov A. GOST 28147-89 algoritmo di crittografia il suo utilizzo e la realizzazione per i computer della piattaforma Intel x86.djvu
Vorobyev V.I. Gribunin V.G. Teoria e pratica della trasformazione wavelet. 1999.djvu
Gold, B. Digital Signal Processing. 1973.djvu
Goldenberg L.M. Digital Signal Processing. 1990.djvu
Gutnikov V.S. Filtraggio dei segnali di misura. 1990.djvu
Davidov A.V. Elaborazione digitale del segnale.docx
Davidov A.V. Elaborazione digitale dei segnali.pdf
Dakhnovich A.A.pdf
Denisenko A.N. Segnali. Ingegneria radio teorica.djvu
Zalmanzon L.A. Trasformazioni di Fourier, Walsh e Haar. Parte 1.djvu
Zalmanzon L.A. Trasformazioni di Fourier, Walsh, Haar. Parte 2.djvu
Zalmanzon L.A. Trasformazioni di Fourier, Walsh, Haar. Parte 3.djvu
Zverev V.A. Stromkov A.A. Estrazione del segnale dal rumore con metodi numerici 2001.djvu
Kay, S.M. Metodi moderni di analisi spettrale.djvu
Kolos M.V. Metodi ottimali di filtraggio digitale. 2000.pdf
Komarov A.V. Processori di segnali digitali. 2003.doc
Krisilov V.A. Poberezhnik S.M. Approssimazione delle dipendenze complesse mediante serie polinomiali e armoniche flessibili.pdf
Krisilov V.A. Falsi problemi di compattezza nello spazio delle caratteristiche discrete nei compiti di tassonomia. pdf
Kuo B. Teoria e progettazione di sistemi di controllo digitali. 1986.djvu
Lazarev, S. Trasformata veloce di Fourier per l'elaborazione dei segnali nei dispositivi di automazione.pdf
Lebedev A.N. Metodi di modellazione digitale. 1988.pdf
Lukin A. Introduzione all'elaborazione digitale dei segnali. 2002.djvu
Nussbaumer G. Trasformata veloce di Fourier e algoritmi di convoluzione. 1985.djvu
Olsson G. Automazione digitale e sistemi di controllo. Parte 1. 2001.djvu
Olsson G. Automazione digitale e sistemi di controllo. Parte 2. 2001.djvu
Oppenheim A.V. Digital Signal Processing. 1979.djvu
Ostapenko A.G. Filtri ricorsivi su microprocessori. 1988.djvu
Rabiner L. Gould B. Teoria e applicazione dell'elaborazione digitale dei segnali. 1978.djvu
Rabiner L.R. Shafer R.V. Digital Signal Processing. 1981.pdf
Radiotekhnika ¹03 2000_00.djvu
Raccomandazione ITU G721rus.djvu
Raccomandazioni ITU G726 e G727 ADICM Algoritmo Comparazione.djvu
Raccomandazione ITU G726 Allegato A.djvu
Raccomandazioni ITU G727.djvu
Raccomandazioni ITU G727 Appendice A.djvu
Robinson E.A. Storia dello sviluppo della teoria della stima spettrale. 1982.djvu
Rossiev A.A. Modellazione dei dati delle curve per il recupero delle lacune nelle tabelle.pdf
Sato Y. Elaborazione dei segnali.djvu
Sergienko A.B. Elaborazione del segnale digitale. 2003.djvu
Siebert W.M. Circuiti, segnali, sistemi. Parte 1. 1988.djvu
Sibert, U.M. Circuiti, segnali, sistemi. Parte 2. 1988.djvu
Sizikov V.S. Metodi stabili di elaborazione dei risultati di misurazione 1999.pdf
Sinclair, Jan. Introduzione all'ingegneria audio digitale. 1990.djvu
Solonina A. Ulakhovich D. Algoritmi e processori di elaborazione del segnale digitale. 2002.djvu
Solonina A.I. Fondamenti dell'elaborazione digitale dei segnali. 2005.djvu
Stepanov A.V. Metodi di elaborazione dei segnali informatici dei sistemi di comunicazione radio.doc
Trachtman A.M. Fondamenti della teoria dei segnali discreti su intervalli finiti. 1975.djvu
Widrow B. Elaborazione adattiva del segnale. 1989.djvu
Walt Kester Elaborazione digitale del segnale. Dispositivi analogici.pdf
Fink L.M. Segnali, interferenze, errori. Parte 1. 1984.djvu
Fink, L.M. Segnali, interferenze, errori. Parte 2. 1984.djvu
Fink L.M. Teoria della trasmissione discreta dei messaggi parte 1 1970.djvu
Fink L.M. Teoria della trasmissione discreta dei messaggi parte 2 1970.djvu
Flanagan D.L. Analisi, sintesi e percezione del discorso. 1968.djvu
Franks L. Teoria dei segnali. 1974.djvu
Harkevich A.A. Lotta contro le interferenze. 1965.djvu
Hemming, R.W. Filtri digitali. 1980.djvu
Huang T.S. Algoritmi veloci nell'elaborazione digitale delle immagini 1984.djvu
Shchatilov V. Prospettive di applicazione delle nuove soluzioni di dispositivi analogici nei moderni sistemi di comunicazione digitale.pdf
Yaroslavsky L.P. Elaborazione digitale del segnale in ottica e olografia.djvu
Se qualcuno ha bisogno posso caricare su qualsiasi server ftp
Список файлов в моей библиотеке
По сетям:
A case study on using neural networks to perform technical.pdf
Forex Patterns and Proababilities.pdf
Gorban A.N. Neuroinformatics. What are us, where are we going, how to measure our way.pdf
Haykin S. Kalman filtering and neural networks.djvu
IskusstvennyeNeironnyeSeti.TeoriyaIPraktika_cover.jpeg
Jonsson F. Markus. Поиск оптимального пути для транспортных средств на оцифрованых картах реальной местности. Часть 1.doc
Jonsson F. Markus. Поиск оптимального пути для транспортных средств на оцифрованых картах реальной местности. Часть 2.doc
Krose В. An introduction to Neural networks. 1996.djvu
Long, Parks Neural Network Modeling.djvu
Modelling and Trading EURUSD.pdf
Neural_Network_Trend_Predictor_Manual.pdf
rbfkalman.pdf
ToshibaNeuronChip.pdf
Using Recurrent Neural Networks To Forecasting of Forex.pdf
Барскии А.Б. Нейронные сети распознавание, управление, принятие решений. 2004.pdf
Беркинблит М.Б. Нейронные сети 1993.djvu
Бэстенс Д. Нейроннные сети и финансовые рынки. Принятие решений в торговых операциях.djvu
Вапник В.Н. Восстановление зависимостей по эмпирическим данным. 1997.djvu
Вороновский Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности.pdf
Галушкин А.И. Теория нейронных сетей. Кн. 1 2000.djvu
Гольдштейн Б.С. Интеллектуальные сети. 2000.djvu
Горбань А.Н. Обобщенная аппроксимационная теорема и вычисительные возможности нейронных сетей.pdf
Горбунова Е.О. Алгоритмическая универсальность кинетической машины Кирдина.pdf
Горбунова Е.О. Методы нейроинформатики. Финитность и детерминированность простых программ для кинетической машины Кирдина.pdf
Джейн Анил К. Введение в искусственные нейроные сети.pdf
Доррер М.Г. Интуитивное предсказание нейросетями взаимоотношений в группе.pdf
Доррер М.Г. Методы нейроинформатики. Аппроксимация многомерных функций полутораслойным предиктором с произвольными преобразователями.pdf
Дубрович В.И. Субботин С.А. Алгоритм ускоренного обучения персептронов.pdf
Ежов А. Шумский С. Нейрокомпьютинг и его применения в экономике и бизнесе.djvu
Жуков Л.А. Использование нейросетевых технологий для проведения учебно-исследовательских работ.pdf
Заенцев И.В. Нейронные сети основные модели. 1999.pdf
Захаров В.Н. Хорошевский В.Ф. Искусственный интеллект. Том 3. Программные и аппаратные средства 1990.djvu
Каллан Р. Основные концепции нейронных сетей.djvu
Кгур П.Г. Нейронные сети и нейрокомпьютеры.pdf
Комашинский В.И. Нейронные сети и их применение в системах управления и связи 2003.pdf
Короткий С. Нейронные сети Хопфилда и Хэмминга.pdf
Короткий С. Нейронные сети. Алгоритм обратного распространения.pdf
Короткий С. Нейронные сети. Обучение без учителя.pdf
Короткий С. Нейронные сети. Основные положения.pdf
Крисилов В.А. Кондартюк А.В. Преобразование входных данных нейросети с целью улучшения различимости.pdf
Крисилов В.А. Олешко Д.Н. Методы ускорения обучения нейронных сетей.doc
Крисилов В.А. Чумичкин К.В. Ускорение обучения нейронных сетей за счет адаптивного упрощения обучающей выборки.pdf
Крислов В.А. Представление исходных данных в задачах нейросетевого прогнозирования.pdf
Круглов В.В. Нечеткая логика и искуственные нейроные сети.djvu
Круглов, Борисов - Искусственные нейронные сети. Теория и практика, 2002.djvu
Круглов, Борисов - Искусственные нейронные сети. Теория и практика, 2002.txt
Лю Б. Теория и практика неопределенного программирования 2005.djvu
Мак-Каллок У., Питтс В. Логическое исчисление идей, относящихся к нервной активности.pdf
Маркел Дж.Д. Линейное предсказание речи. 1980.djvu
Миркес Е.М. Нейрокомпьютер. Проект стандарта. 1998.pdf
Набхан Т.Н. Зомая А. О проблемах создания нейросетевых структур для оптимизации функционирования.pdf
Напалков А. В., Прагина Л. Л. - Мозг человека и искусственный интеллект.docx
Олешко Д.Н. Повышение качества и скорости обучения нейронных сетей в задаче прогнозирования поведения временных рядов.doc
Олешко Д.Н. Повышение качества и скорости обучения нейроных сетей.doc
Островский С. Нейронные сети для обработки информации 2000.djvu
Питенко А.А. Использование нейросетевых технологий при решении аналитических задач в ГИС.pdf
Сенашова М.Ю. Погрешности нейронных сетей. Вычисление погрешностей весов синапсов. 1998.pdf
Субботин С.А. Нейрокибернетика в СССР-СНГ - Аналитических обзор изобретений и патентов.pdf
Тарасенко Р.А. Выбор размера описания ситуации при формировании обучаюей выборки для нейронных сетей в задачах прогнозирования временных рядов.doc
Тарасенко Р.А. Предварительая оценка качества обучающей выборки для нейроных сетей в адачах прогнозирования временных рядов.doc
Терехов С.А. Технологические аспекты обучения нейросетевых машин. 2006.pdf
Тюменцев Ю.В. Интеллектуальные автономные системы - вызов информационным технологиям.pdf
Уоссермен Ф. Нейрокомпьютерная техника.doc
Уоссермен Ф. Нейрокомпьютерная техника. Теория и практика.doc
Хайкин С. Нейронные сети - полный курс.djvu
Царегородцев В.Г. Производство полуэмпирических знаний из таблиц данных с помощью обучаемых искусственных нейронных сетей.pdf
По ЦОС:
Arndt J. Algorithms for programmers ideas and source code.pdf
Les Thede Practical Analog and Digital Filter Design. 2004.pdf
O'Leary 2002 DSP directory.pdf
Paillard B. An Introduction To Digital Signal Processors. 2002.pdf
Rorabauch, Britton Digital Filter Designer`s Handbook. 1989.pdf
Stranneby, Dag. Digital Signal Processing DSP and Applications. 2001.pdf
Айфичер Э. Джервис Б. Цифровая обработка сигналов. Практический подход. 2004.djvu
Анохина А.М. Цифровая обработка сигналов в измерительных системах физического эксперимента. Расчет фильтров.pdf
Антонью А. Цифровые фильтры. Анализ и проектирование. 1983.djvu
Арутюнов П.А. Теория и применение алгоритмических измерений.1990.djvu
Белодедов М.В. Методы проектирования цифровых фильтров. 2004.pdf
Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. 1989.djvu
Богнер Р. Константинидис А. Введение в цифровую фильтрацию. 1976.djvu
Брейсуэлл Р. Преобразование Хартли. Теория и практика. 1990.djvu
Винокуров А. Алгоритм шифрования ГОСТ 28147-89 его использование и реализация для компьютеров платформы Intel x86.djvu
Воробьев В.И. Грибунин В.Г. Теория и практика вейвлет преобразования. 1999.djvu
Голд Б. Цифровая обработка сигналов. 1973.djvu
Гольденберг Л.М. Цифровая обработка сигналов. 1990.djvu
Гутников В.С. Фильтрация измерительных сигналов. 1990.djvu
Давыдов А.В. ЦИФРОВАЯ ОБРАБОТКА СИГНАЛОВ.docx
Давыдов А.В. ЦИФРОВАЯ ОБРАБОТКА СИГНАЛОВ.pdf
Дахнович А.А.pdf
Денисенко А.Н. Сигналы. Теоретическая радиотехника.djvu
Залманзон Л.А. Преобразования Фурье, Уолша, Хаара. Часть 1.djvu
Залманзон Л.А. Преобразования Фурье, Уолша, Хаара. Часть 2.djvu
Залманзон Л.А. Преобразования Фурье, Уолша, Хаара. Часть 3.djvu
Зверев В.А. Стромков А.А. Выделение сигналов из помех численными методами 2001.djvu
Кей С.М. Современные методы спектрального анализа.djvu
Колос М.В. Методы оптимальной цифровой фильтрации. 2000.pdf
Комаров А.В. Цифровые сигнальные процессоры. 2003.doc
Крисилов В.А. Побережник С.М. Аппроксимация сложных зависимостей структурно-гибкими полиномиальными и гармоническими рядами.pdf
Крисилов В.А. Проблемы ложной компактности в дискретном пространстве признаков в задачах таксономии.pdf
Куо Б.Теория и проектирование цифровых систем управления. 1986.djvu
Лазарев С. Быстрое преобразование Фурье для обработки сигналов в устройствах автоматизации.pdf
Лебедев А.Н. Методы цифрового моделирования. 1988.pdf
Лукин А. Введение в цифровую обработку сигналов. 2002.djvu
Нуссбаумер Г. Быстрое преобразование Фурье и алгоритмы вычисления сверток. 1985.djvu
Олссон Г. Цифровые системы автоматизации и управления. Часть 1. 2001.djvu
Олссон Г. Цифровые системы автоматизации и управления. Часть 2. 2001.djvu
Оппенгейм А.В. Цифровая обработка сигналов. 1979.djvu
Остапенко А.Г. Рекурсивные фильтры на микропроцессорах. 1988.djvu
Рабинер Л. Гоулд Б. Теория и применение цифровой обработки сигналов. 1978.djvu
Рабинер Л.Р. Шафер Р.В. Цифровая обработка речевых сигналов. 1981.pdf
Радиотехника №03 2000_00.djvu
Рекомендации ITU G721rus.djvu
Рекомендации ITU G726 и G727 Сравнение алгоритмов АДИКМ.djvu
Рекомендации ITU G726 Приложение A.djvu
Рекомендации ITU G727.djvu
Рекомендации ITU G727 Приложение А.djvu
Робинсон Э.А. История развития теории спектрального оценивания. 1982.djvu
Россиев А.А. Моделирование данных при помощи кривых для восстановления пробелов в таблицах.pdf
Сато Ю. Обработка сигналов.djvu
Сергиенко А.Б. Цифровая обработка сигналов. 2003.djvu
Сиберт У.М. Цепи, сигналы, системы. Часть 1. 1988.djvu
Сиберт У.М. Цепи, сигналы, системы. Часть 2. 1988.djvu
Сизиков В.С. Устойчивые методы обработки результатов измерений 1999.pdf
Синклер Ян. Введение в цифровую звукотехнику. 1990.djvu
Солонина А. Улахович Д. Алгоритмы и процессоры цифровой обработки сигналов. 2002.djvu
Солонина А.И. Основы цифровой обработки сигналов. 2005.djvu
Степанов А.В. Методы компьютерной обработки сигналов систем радиосвязи.doc
Трахтман А.М. Основы теории дискретных сигналов на конечных интервалах. 1975.djvu
Уидроу Б. Адаптивная обработка сигналов. 1989.djvu
Уолт Кестер Цифровая обработка сигналов. Analog Devices.pdf
Финк Л.М. Сигналы, помехи, ошибки. Часть 1. 1984.djvu
Финк Л.М. Сигналы, помехи, ошибки. Часть 2. 1984.djvu
Финк Л.М. Теория передачи дискретных сообщений Часть 1 1970.djvu
Финк Л.М. Теория передачи дискретных сообщений Часть 2 1970.djvu
Фланаган Д.Л. Анализ, синтез и восприятие речи. 1968.djvu
Френкс Л. Теория сигналов. 1974.djvu
Харкевич А.А. Борьба с помехами. 1965.djvu
Хемминг Р.В. Цифровые фильтры. 1980.djvu
Хуанг Т.С. Быстрые алгоритмы в цифровой обработке изображений 1984.djvu
щатилов В. Перспективы применения новых решений Analog Devaces в современных цифровых системах связи.pdf
Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии.djvu
Если кому надо могу залить на общедоступный какойнибудь ftp сервер
Si può fare su Narod?
На Narod можеш?Basta descrivere cosa fare e come farlo. Lo completerò quando avrò finito e vi farò sapere.