нейросети

Надежность нейронных сетей, Укрепляем устойчивость ИИ к обману, Уорр К., 2021.

Глубокие нейронные сети (DNN) становятся неотъемлемой частью IT-продуктов, провоцируя появление нового направления кибератак. Хакеры пытаются обмануть нейросети с помощью
данных, которые не смогли бы обмануть человека. Кэти Уорр рассматривает мотивацию подобных атак, риски, которые влечет вредоносный ввод, а также методы повышения устойчивости ИИ к таким взломам. Если вы специалист по data science, архитектор системы безопасности и стремитесь повысить устойчивость систем с ИИ или вас просто интересует различие между искусственным и биологическим восприятием, то эта книга для вас.

Эволюционные нейросети на языке Python, Омельяненко Я., 2020.

Эта книга дает всестороннее представление о нейроэволюции – подходе к обучению искусственных нейронных сетей, который использует эволюционные алгоритмы, чтобы упростить процесс решения сложных задач в таких областях, как игры, робототехника и моделирование естественных процессов. Читатель начнет знакомство с ключевыми концепциями и методами нейроэволюции, написав несложный код на языке Python, а затем получит практический опыт работы с популярными библиотеками Python и научится решать распространенные и нестандартные прикладные задачи, используя алгоритмы на основе нейроэволюции. Речь пойдет о том, как адаптировать методы нейроэволюции к существующим проектам нейронных сетей для повышения эффективности обучения и принятия решений; в завершение будет рассказано о топологиях нейронных сетей и о том, как нейроэволюция позволяет развивать сложную топологию из простейшей базовой структуры. Издание предназначено для специалистов в области машинного обучения и искусственного интеллекта, которые стремятся реализовать алгоритмы нейроэволюции с нуля. Наличие базовых знаний в области глубокого обучения и нейронных сетей, а также программирования на языке Python обязательно.

ChatGPT, Мастер подсказок, или Как создавать сильные промты для нейросети, Панда П., Сычева А., 2024.
 
В этой книге мы не станем замахиваться на понятие «нейросети вообще», давать сложные и долгие объяснения или делать другие заумные вещи, которые 95 % читателей просто не поймут и начнут зевать. Наша цель куда проще: мы возьмем один вид нейромоделей (генерация контента) и постараемся подружить вас с ним, перевести ваше общение с ИИ из формата «Что ТЫ такое?» в формат «Привет, поработаем?». Благо у нас (авторов данной книги) для этого есть и наработки, и кое-какой опыт, и собственный инструментарий. Приступим.

Нейронные сети, Основы теории, Галушкин А.И., 2012.

Изложена методика синтеза многослойных нейросетей различной структуры: с полными и неполными последовательными связями, перекрестными и обратными связями, функционирующими в режимах обучения, самообучения, обучения с учителями, обладающих конечной квалификацией. Приведены этапы исследования надежности и диагностики нейронных сетей. Представлены основные постановки задач перспективных исследований в области теории нейронных сетей. Для научных работников, аспирантов и студентов, занимающихся разработкой и применением сверхвысоко производительной вычислительной техники.

Введение в нейросетевое моделирование, Учебное пособие, Сергеев А.П., 2017.  

Учебное пособие содержит начальные сведения о моделировании на базе искусственных нейронных сетей. Разобраны биологические принципы построения и алгоритмы создания искусственного нейрона (типа «перцептрон») и сетей на его основе. Издание рекомендуется исследователям, преподавателям, аспирантам, студентам, а также всем, кто интересуется современным состоянием дел в области искусственных нейронных сетей и моделирования.