Искусственные нейронные сети в задачах солнечноземной физики, монография, Бархатов Н.А., Ревунов С.Е., 2010

Искусственные нейронные сети в задачах солнечноземной физики, Монография, Бархатов Н.А., Ревунов С.Е., 2010.

  Книга посвящена обзору современного состояния применения интеллектуальных нейросетевых технологий в области солнечно-земной физики. Рассмотрены основные парадигмы искусственных нейронных сетей, даны необходимые теоретические сведения, приведен материал по проектированию нейросетей для конкретных задач. Особое внимание уделено вопросу популяризации теории нейросетей. Отдельные главы посвящены обзору результатов оригинальных научных исследований в области физики солнечно-земных связей с привлечением нейросетевых технологий.
В основу издания положен лекционный курс, читаемый авторами в Нижегородском государственном педагогическом университете, благодаря чему книга может использоваться как учебное пособие по интеллектуальным системам. Книга будет полезна научным сотрудникам, аспирантам и студентам старших курсов физико-математических специальностей, интересующимся вопросами обработки цифровых сигналов современными численными методами.




Биологический нейрон.
Биологический нейрон (от греч. neuron - нерв) - базовая структурно-функциональная единица нервной системы. Эта клетка имеет сложное строение, содержит ядро, тело и отростки. В организме человека насчитывается более ста миллиардов нейронов [Каллан, 2001]. За 38 недель с момента рождения человек из одной клетки превращается в триллионы клеток более чем 200 разных видов, представляющих собой единый организм младенца. На 15 день нервные клетки начинают формировать то. что станет головным и спинным мозгом. Пока мозг не защищен ни кожей, ни костью, он крайне уязвим. Через 9 недель нервная система эмбриона начинает развиваться, связывая клетки тела. Согласно последним данным, нервная система вырабатывает в среднем 2.5 миллиона нейронов каждую минуту 9-ти месячного пребывания ребенка в утробе.

Начиная с девятой недели, в теле ребенка возникают непроизвольные рефлекторные конвульсии. Это устанавливается связь органов и частей его тела с мозгом в процессе роста. Мозг еще не контролирует такие движения. Нет также контроля мозга над сердцем. Оно функционирует автоматически. Через 16 недель нервная система расширяется от мозга к большинству частей тела, возникает центральная нервная система (ЦНС) и устанавливается полный контроль мозга над телом. Через 24 недели мозг засыпан сигналами, идущими от чувствительных клеток. Он начинает воспринимать этот наплыв ощущений. Рост мозга и ЦНС продолжается, появляется память. К 28 неделе формируется кора головного мозга, а еще через 4 недели ЦНС будет сформирована полностью.

СОДЕРЖАНИЕ
ГЛАВА 1. Введение
§1.1. Краткий исторический экскурс
§1.2. Модель черного ящика
§1.3. Применение ПНС в задачах солнечно-земной физики
ГЛАВА 2. Биологический нейрон и его математическая модель
§2.1. Биологический нейрон
§2.2. Формальный нейрон
§2.3. Нейронные сети
§2.4. Обучение нейронной сети
ГЛАВА 3. Теоретические обоснования возможности создания нейронных сетей
§3.1. Векторные пространства
§3.2. Преобразования векторов
§3.3. Персептрон - простейшая нейронная сеть
§3.4. Теорема об обучении персептрона
§3.5. Теоретические основы возможности создания многослойных нейросетей
ГЛАВА 4. Существующие нейронные сети
§4.1. Сети прямого распространения
§4.2. Рекуррентные нейронные сети
§4.3. Сеть радиальных базисных функций
§4.4. Самоорганизующиеся карты
ГЛАВА 5. Обучение нейронной сети как задача оптимизации
§5.1. Общие принципы обучения системы
§5.2. Обучение с учителем
§5.3. Обучение без учителя
§5.4. Задача оптимизации при обучении нейронной сети
§5.5. Метод обратного распространения ошибки
ГЛАВА 6. Способы представления информации в нейронных сетях
§6.1. Постановка задачи и отбор данных
§6.2. Представление знаний
§6.3. Кодирование информации в нейросетях
§6.4. Ассоциативная память нейронных сетей
ГЛАВА 7. Нечеткие нейронные сети
§7.1. Нечеткая логика и нечеткие множества
§7.2. Нечеткие базы знаний
§7.3. Нейро-нечеткие сети
§7.4. Принятие решений в нечетких условиях
ГЛАВА 8. Задачи прогнозирования и восстановления рядов данных
§8.1. Долгосрочное прогнозирование индексов солнечной активности
§8.2. Восстановление пробелов в записях отдельных магнитных обсерваторий по данным других станций
§8.3. Пересчет современных индексов полярной активности к классическим
§8.4. Прогнозирование индексов геомагнитной активности по параметрам околоземного космического пространства
§8.5. Взаимное восстановление индексов AU/AL и ASY/SYM, в том числе с учетом параметров околоземного пространства
§8.6. Прогнозирование параметров среднеширотной ионосферы
§8.7. Прогнозирование параметров высокоширотной ионосферы
ГЛАВА 9. Задачи классификации образов
§9.1. Космическая классификация глобальных геомагнитных возмущений
§9.2. Метод многопараметрической нейросетевой классификации последствий солнечной активности
§9.3. Классификация разрывов параметров космической плазмы
§9.4. Контроль пространственной динамики полярной шапки и полярного овала по данным гренландской сети магнитных станций
§9.5. Классификационный подход к анализу связи магнитных возмущений в авроральной области и магнитного возмущения на средних и низких широтах
ГЛАВА 10. Заключение
§10.1. Интеллект и сознание
§10.2. Проект Blue Brain
Литература.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Искусственные нейронные сети в задачах солнечноземной физики, монография, Бархатов Н.А., Ревунов С.Е., 2010 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу


Скачать - pdf - Яндекс.Диск.




Хештеги: #учебник по физике :: #физика :: #Бархатов :: #Ревунов