Uma rede neural probabilística - página 2
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Aqui está outro recorte do livro didático.
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?
O que um perceptron linear tem a ver com isso? Um perceptron MLP, ou perceptron multicamadas, ou em russo, um perceptron multicamadas, dividirá qualquer espaço complexo em classes. A diferença é o professor, PNN é uma tarefa de classificação, MLP é uma tarefa de aproximação em sua maioria. Que tarefa, nós chamamos a rede.
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.
Com base emsua lógica, a que classe você classificaria umarede neuralconvolucional ? Eu poderia facilmente usar o MLP para classificação probabilística, mas não seria uma rede PNN.
Houve uma discussão acalorada sobre o PNN (https://forum.mql4.com/ru/9502) na época em que o Batter ganhou o concurso, mas recomendo que se investigue.
Em primeiro lugar, a PNN tem diferenças arquitetônicas, ou seja, como os neurônios estão conectados uns aos outros, ocultos e as camadas de saída não estão totalmente conectadas.
Recomendo encontrar e ler dois artigos de Donald Specht: Redes Neurais Probabilísticas para Classificação e Mapeamento ou Memória Associativa e Redes Neurais Probabilísticas.
Um dos artigos trata da PNN no 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.
Então, o que exatamente você queria dizer com seu posto? É que o MLP não pode resolver os problemas PNN? Ou que a PNN não é adequada para tarefas MLP?
Caso contrário, não faz sentido produzir conceitos que são todos sobre a mesma coisa - transformação não-linear.
Ou talvez você queira dizer que eles têm uma matriz diferente, em que diferença fundamental específica, por favor ilustre com exemplos específicos, sem se referir ao wiki e para ler artigos, os livros serão medidos ou o quê?
Arquitetura de uma rede PNN/GRNN
Em 1990, Donald F. Specht propôs um método para formular o método do vizinho ponderado descrito acima na forma de uma rede neural. Ele chamou isto de uma"Rede Neural Probabilística". Aqui está um diagrama de uma rede PNN/GRNN:
Todas as redes PNN/GRNN têm quatro camadas:
Para as redes GRNN, existem apenas dois neurônios na camada de padrão. Um neurônio é a unidade de soma do denominador e o outro é a unidade de soma do numerador. A unidade de soma do denominador soma os valores de peso provenientes de cada um dos neurônios ocultos. A unidade de soma numeradora soma os valores de peso multiplicados pelo valor real da meta para cada neurônio oculto.
Para redes GRNN, a camada de decisão divide o valor acumulado na unidade de soma do numerador pelo valor na unidade de soma do denominador e usa o resultado como o valor previsto como meta.
E quais são as principais diferenças em relação ao MLP?
Todo autor produz conceitos; seu propósito não é promover a ciência, mas ganhar dinheiro com livros e artigos, bem como com os "escritores de estoque".
PS Diferentes autores na NN às vezes diferem nos mesmos conceitos e definições, de modo que não faz sentido se referir a alguns deles para esclarecer os termos.
PPS O importante é entender como funciona um neurônio por transformação não-linear. É isso aí, nada mais é necessário.
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.
A primeira e principal diferença é como as saídas da rede são interpretadas e como esta interpretação é feita sem ambigüidade (relativa).
No caso do PNN, a rede é projetada para classificar/classificar dados, portanto, não está totalmente em malha, o MLP está totalmente em malha.
Outra diferença é que a PNN pode usar diferentes funções de ativação para diferentes camadas, por exemplo, para a camada de saída é usada uma função de base radial,
enquanto a MPL tradicionalmente usa a mesma função de ativação para todas as camadas.
PNN pode resolver problemas de MPL, só que não será mais um PNN, mas uma variação baseada em uma arquitetura sem conexão total, o mesmo em reverso.
Com relação à transformação não linear, sim concordo, qualquer NS é uma transformação não linear (ou linear, perseptron de camada única também é um NS) e é importante entender como funciona,
Mas você deixa de fora mais um fato, NS leva em conta a arquitetura interna das conexões - você esquece que o aparelho matemático é baseado em um protótipo biológico e um cognitron, por exemplo, é o mais próximo de seu
implementação.
O autor do fio estava interessado no aparelho matemático, os artigos e as primeiras fontes o revelam melhor. :) E as características distintivas que lhe dei de imediato - a arquitetura. E não é o desejo dos autores
Para "deixar sua marca na arte", tudo é mais simples e complicado - você precisa de uma regra inequívoca de interpretação das saídas, com diferentes dados de entrada (dados de diferentes áreas de aplicação).
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) Isso foi o que eu disse, é sobre o professor.
2) Hmm, quem proíbe o uso de uma força f de ativação diferente para cada neurônio da rede no MLP? Ou melhor, o fator de curvatura na ativação f-i, uma vez que ela (ativação f-i) é a mesma para todas as redes e todos os neurônios, sua forma pode variar de passo lógico, em forma de s a linear reto.
10 é o coeficiente de curvatura.
3) Bem, se for assim, então não há necessidade de fazer alarde.
4) Isso não contradiz o que eu disse.
5) Você segue cegamente as autoridades do livro e não faz nenhuma pesquisa por conta própria? Você não deve. Há um espaço ilimitado para a imaginação aqui, e se você seguir, muitas vezes contraditórios, conceitos de livros, há uma grande probabilidade de perder em muito importante.... hmm, você está perdendo muita coisa.
Em geral, chamem como quiserem, a essência da transformação não-linear de um neurônio não mudará.
Boa sorte!
joo писал(а) >>
Vamos ter uma luta de livros ou não?
Lista de arquivos em minha biblioteca
Em redes:
Um estudo de caso sobre o uso de redes neurais para a execução técnica.pdf
Padrões e Probabilidades de Forex.pdf
Gorban A.N. Neuroinformática. O que somos nós, para onde vamos, como medir nosso caminho.pdf
Haykin S. Kalman filtragem e redes neurais.djvu
IskusstvennyeNeironnyeSeti.TeoriyaIPraktika_cover.jpeg
Jonsson F. Markus. Busca de caminhos de veículos em mapas de terrenos reais digitalizados. Parte 1.doc
Jonsson F. Markus. Encontrar o caminho ótimo para veículos em mapas digitalizados de terrenos reais. Parte 2.doc
Krose B. Uma introdução às Redes Neurais. 1996.djvu
Long, Parks Neural Network Modeling.djvu
Modelagem e comercialização EURUSD.pdf
Neural_Rede_Tend_Predictor_Manual.pdf
rbfkalman.pdf
ToshibaNeuronChip.pdf
Usando Redes Neurais Recorrentes para Previsões de Forex.pdf
Barskyi A.B. Redes Neurais Reconhecimento, Controle, Tomada de Decisão. 2004.pdf
Berkinblit M.B. Neural Networks 1993.djvu
Bastens D. Redes neurais e mercados financeiros. Tomada de decisão em trading.djvu
Vapnik V.N. Reconstrução da dependência a partir de dados empíricos. 1997.djvu
Voronovsky G.K. Genetic Algorithms, Artificial Neural Networks and Virtual Reality Problems. pdf
Galushkin A.I. Teoria das Redes Neurais. Volume 1 2000.djvu
Goldstein B.S. Intelligent Networks (Redes Inteligentes Goldstein B.S.). 2000.djvu
Gorban A.N. Teorema de aproximação generalizada e capacidades computacionais das redes neurais.pdf
Gorbunova E.O. Algorithmic universalidade da máquina cinética Kirdin.pdf
Gorbunova E.O. Métodos de neuroinformática. Finalidade e determinação de programas simples para a máquina cinética Kirdin.pdf
Jane Anil K. Introduction to Artificial Neural Networks.pdf
Dorrer M.G. Predição intuitiva das relações de grupo por redes neurais.pdf
Dorrer M.G. Métodos de neuroinformática. Aproximação das funções multidimensionais por um preditor de semi-camada com transdutores arbitrários.pdf
Dubrovich V.I. Subbotin S.A. Algoritmo de Aprendizagem Acelerada de Perseptrons.pdf
Ezhov A. Shumsky S. Neurocomputing e suas aplicações em economia e negócios.djvu
Zhukov L.A. Usando tecnologias de redes neurais para trabalhos de pesquisa educacional.pdf
Zaentsev I.V. Modelos básicos de redes neurais. 1999.pdf
Zakharov V.N. Khoroshevsky V.F. Inteligência Artificial. Volume 3. Software e hardware 1990.djvu
Callan R. Conceitos básicos de redes neurais.djvu
Kgur P.G. Redes neurais e neurocomputadores.pdf
Komashinsky V.I. Redes neurais e sua aplicação em sistemas de controle e comunicação 2003.pdf
Korotky S. Hopfield e Hamming redes neuronais.pdf
Korotky S. Neural networks. Algoritmo de propagação de retorno.pdf
Korotky S. Neural networks. Aprender sem um professor.pdf
Korotky S. Neural networks. Conceitos básicos.pdf
Krisilov V.A. Kondartiuk A.V. Conversão dos dados de entrada da rede neural para melhorar a discriminabilidade.pdf
Krisilov V.A. Oleshko D.N. Métodos de aceleração de treinamento de redes neurais.doc
Krisilov, V.A., Chumichkin, K.V. Acceleration of Neural Network Learning by Adaptive Simplification of Learning Samples.
Krisilov V.A. Apresentação dos dados iniciais em tarefas de previsão de redes neurais.pdf
Kruglov V.V. Fuzzy Logic and Artificial Neural Networks.djvu
Kruglov, Borisov - Redes Neuronais Artificiais. Teoria e prática, 2002.djvu
Kruglov, Borisov - Redes Neuronais Artificiais. Teoria e prática, 2002.txt
Liu B. Theory and practice of indefinite programming, 2005.djvu
McCulloch W., Pitts W. Cálculo lógico de idéias relacionadas à atividade neural.pdf
Markel J.D. Previsão linear de discurso. 1980.djvu
Mirkes E.M. Neurocomputador. Rascunho de norma. 1998.pdf
Nabhan T.N. Zomaya A. Sobre problemas de criação de estruturas de redes neurais para otimização do desempenho.pdf
Napalkov A. V., Pragina L. L. - The Human Brain and Artificial Intelligence.docx
Oleshko D.N. Aumento da qualidade e velocidade de treinamento de redes neurais em uma tarefa de previsão de comportamento de séries temporais.doc
Oleshko D.N. Aumentando a qualidade e velocidade da aprendizagem da rede neural.doc
Ostrovsky S. Neural Networks for Information Processing 2000.djvu
Pitenko A.A. usando tecnologias de redes neurais para resolver problemas analíticos em GIS.pdf
Senashova M.Y. Erros de redes neurais. Cálculo de erros em pesos sinápticos. 1998.pdf
Subbotin S.A. Neurocibernética na URSS-CIS - Análises de Invenções e Patentes.pdf
Tarasenko R.A. Escolha do tamanho da descrição de uma situação na formação da amostra de treinamento para redes neurais em tarefas de previsão de séries temporais.doc
Tarasenko R.A. Estimativa preliminar da qualidade da seleção de treinamento para redes neurais em tarefas de previsão de séries temporais.doc
Terekhov S.A. Aspectos tecnológicos da aprendizagem de máquinas de redes neurais. 2006.pdf
Tyumentsev Yu.V. Sistemas Autônomos Inteligentes - um desafio para as tecnologias da informação.pdf
Wosserman, F. Neurocomputer Engineering.doc
Wosserman, F. Neurocomputador de engenharia. Teoria e prática.doc
Haikin S. Redes neurais - curso completo.djvu
Tsaregorodtsev V.G. Produção de conhecimento semi-empírico a partir de tabelas de dados por meio de redes neurais artificiais treináveis.pdf
Em DSP:
Arndt J. Algorithms para idéias de programadores e código fonte.pdf
Les Thede Projeto Prático de Filtros Analógicos e Digitais. 2004.pdf
O'Leary 2002 diretório DSP.pdf
Paillard B. Uma introdução aos processadores de sinais digitais. 2002.pdf
Rorabauch, Britton Digital Filter Designer's Handbook. 1989.pdf
Stranneby, Dag. Processamento Digital de Sinais DSP e Aplicações. 2001.pdf
Eificher E. Jervis B. Processamento de Sinais Digitais. Uma abordagem prática. 2004.djvu
Anokhina A.M. Processamento digital de sinais em sistemas de medição de experimentos físicos. Cálculo de filtros.pdf
Antonyu A. Filtros digitais. Análise e projeto. 1983.djvu
Arutyunov P.A. Teoria e aplicação de medidas algorítmicas.1990.djvu
Belodedov M.V. Métodos de projeto para filtros digitais. 2004.pdf
Bleihut R. Algoritmos rápidos para processamento digital de sinais. 1989.djvu
Bogner, R. Konstantinidis, A. Introdução em Filtragem Digital. 1976.djvu
Bracewell R. The Hartley Transform. Teoria e prática. 1990.djvu
Vinokurov A. GOST 28147-89 algoritmo de criptografia seu uso e realização para computadores da plataforma Intel x86.djvu
Vorobyev V.I. Gribunin V.G. Teoria e prática da transformação wavelet. 1999.djvu
Gold, B. Processamento de sinais digitais. 1973.djvu
Goldenberg L.M. Processamento Digital de Sinais. 1990.djvu
Gutnikov V.S. Filtragem de Sinais de Medição. 1990.djvu
Davidov A.V. Processamento Digital de Sinais.docx
Davidov A.V. DIGITAL SIGNAL PROCESSING.pdf
Dakhnovich A.A.pdf
Denisenko A.N. Sinais. Teórico de engenharia de rádio.djvu
Zalmanzon L.A. Fourier, Walsh e Haar Transforms. Parte 1.djvu
Zalmanzon L.A. Fourier, Walsh, Haar transforma. Parte 2.djvu
Zalmanzon L.A. Fourier, Walsh, Haar transforma. Parte 3.djvu
Zverev V.A. Stromkov A.A. Extração de sinal de ruído por métodos numéricos 2001.djvu
Kay, S.M. Métodos modernos de análise espectral.djvu
Kolos M.V. Métodos ideais de filtragem digital. 2000.pdf
Komarov A.V. Processadores de sinais digitais. 2003.doc
Krisilov V.A. Poberezhnik S.M. Aproximação de dependências complexas por série polinomial e harmônica estrutura-flexível.pdf
Krisilov V.A. Problemas de falsa compactação em espaço discreto nas tarefas de taxonomia. pdf
Kuo B. Teoria e projeto de sistemas digitais de controle. 1986.djvu
Lazarev, S. Fast Fourier transformador para processamento de sinais em dispositivos de automação.pdf
Lebedev A.N. Métodos de modelagem digital. 1988.pdf
Lukin A. Introdução no processamento de sinais digitais. 2002.djvu
Nussbaumer G. Fast Fourier Transformação e algoritmos de convolução. 1985.djvu
Olsson G. Sistemas Digitais de Automação e Controle. Parte 1. 2001.djvu
Olsson G. Sistemas Digitais de Automação e Controle. Parte 2. 2001.djvu
Processamento de sinais digitais Oppenheim A.V. 1979.djvu
Ostapenko A.G. Filtros recursivos em microprocessadores. 1988.djvu
Rabiner L. Gould B. Teoria e Aplicação do Processamento Digital de Sinais. 1978.djvu
Rabiner L.R. Shafer R.V. Processamento de sinais digitais. 1981.pdf
Radiotekhnika ¹03 2000_00.djvu
Recomendação da UIT G721rus.djvu
Recomendações da UIT G726 e G727 ADICM Comparação de Algoritmos ADICM.djvu
Recomendação ITU G726 Anexo A.djvu
ITU G727 Recomendações.djvu
Recomendações da UIT G727 Apêndice A.djvu
Robinson E.A. História do Desenvolvimento da Teoria da Estimação Espectral. 1982.djvu
Rossiev A.A. Modelagem de dados de curvas para recuperação de lacunas em tabelas.pdf
Sato Y. Processamento de Sinais.djvu
Sergienko A.B. Processamento de sinal digital. 2003.djvu
Sibert, W.M. Circuitos, sinais, sistemas. Parte 1. 1988.djvu
Sibert, U.M. Circuitos, sinais, sistemas. Parte 2. 1988.djvu
Sizikov V.S. Stable Methods of Processing of Measurement Results 1999.pdf
Sinclair, Jan. Introdução em Engenharia de Áudio Digital. 1990.djvu
Solonina A. Ulakhovich D. Algoritmos e processadores de processamento de sinais digitais. 2002.djvu
Solonina A.I. Fundamentos do processamento de sinais digitais. 2005.djvu
Stepanov A.V. Métodos de processamento de sinais de computador de sistemas de comunicação via rádio.doc
Trachtman A.M. Fundamentos da teoria dos sinais discretos em intervalos finitos. 1975.djvu
Amostra B. Processamento de sinais adaptativos. 1989.djvu
Walt Kester Digital Signal Processing. Dispositivos analógicos.pdf
Sinais Fink L.M., Interferência, Erros. Parte 1. 1984.djvu
Sinais Fink, L.M., Interferência, Erros. Parte 2. 1984.djvu
Fink L.M. Theory of Discrete Message Transmission Part 1 1970.djvu
Fink L.M. Theory of Discrete Message Transmission Part 2 1970.djvu
Flanagan D.L. Análise, síntese e percepção da fala. 1968.djvu
Franks L. Teoria do Sinal. 1974.djvu
Harkevich A.A. Struggle with Interference (Luta com Interferência). 1965.djvu
Hemming, R.W. Digital Filters. 1980.djvu
Huang T.S. Algoritmos rápidos no processamento digital de imagens 1984.djvu
Shchatilov V. Perspectivas de aplicação de novas soluções de dispositivos analógicos em modernos sistemas de comunicação digital.pdf
Yaroslavsky L.P. Processamento de sinal digital em óptica e holografia.djvu
Se alguém precisar eu posso fazer upload para qualquer servidor 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
Você pode fazer isso no Narod?
На Narod можеш?Basta descrever o que fazer e como fazê-lo. Eu o preencherei quando eu terminar e o informarei.