Odkrywanie własności sieci neuronowych

przy użyciu programów w języku C#


Odkrywanie własności sieci neuronowych

Cena: 79 zł



Zamów

Autorzy: Ryszard Tadeusiewicz, Tomasz Gąciarz,
                   Barbara Borowik, Bartosz Leper
Wydawca: Wydawnictwo PAU
Wydanie: Kraków, 2007
ISBN: 978-83-60183-53-3
Liczba stron: 426

Jest wiele książek, które opisują sieci neuronowe, natomiast ta książka, którą tu przedstawiamy, tym się wyróżnia, że przy jej pomocy czytelnik sam odkrywa właściwości sieci neuronowych. Do tego odkrywania służą programy, które można pobrać tutaj. Jednak żeby się dowiedzieć, jak tych programów używać oraz jak interpretować uzyskiwane wyniki – trzeba przeczytać książkę. Książka jest więc przewodnikiem i doradcą dla wszystkich osób korzystających z udostępnionych programów, a jej dodatkową zaletą jest fakt, że czytać ją może dosłownie każdy, ponieważ przedstawia ona wszystkie fakty za pomocą prostych opisów i inspirujących rysunków – bez użycia ani jednego wzoru matematycznego. Mimo tego ograniczenia (będącego w istocie ułatwieniem) po przeczytaniu książki czytelnik będzie miał niemal kompletny zbiór informacji na temat budowy sieci neuronowych, ich działania oraz metod ich stosowania. Liczne zadania i przykłady do samodzielnego wykonania, zamieszczone także w książce, pozwalają sprawdzić, czy się tę wiedzę naprawdę posiada.


Spis treści:

  • Przedmowa
  • 1. Wprowadzenie do wiedzy o sieciach neuronowych naturalnych i sztucznych
    • 1.1. Dlaczego warto poznać sieci neuronowe?
    • 1.2. Co było wiadome o mózgu, gdy zaczęto budować pierwsze sieci neuronowe?
    • 1.3. Jak budowano pierwsze sieci neuronowe?
    • 1.4. Skąd się wzięła warstwowa struktura sieci neuronowych?
    • 1.5. Na ile pierwsze sieci neuronowe były podobne do biologicznego mózgu?
    • 1.6. Jakimi metodami badamy obecnie mózg
    • 1.7. Czy sieci neuronowe mogą pomóc w poznaniu tajemnic ludzkiego umysłu?
    • 1.8. W jakim stopniu sieci neuronowe są uproszczone w stosunku do biologii?
    • 1.9. Jakie są główne zalety sieci neuronowych, a także kto i do czego ich używa?
    • 1.10. Czy sieci neuronowe wyprą tradycyjne komputery?
    • 1.11. To może nie warto zajmować się sieciami neuronowymi?
    • 1.12. Pytania kontrolne i zadania do samodzielnego wykonania
  • 2. Struktura sieci
    • 2.1. Jak to jest zbudowane?
    • 2.2. Jak można zrobić sztuczny neuron?
    • 2.3. Dlaczego nie używamy dokładnego modelu biologicznego neuronu?
    • 2.4. Jak działa sieć zbudowana ze sztucznych neuronów?
    • 2.5. Jak struktura sieci neuronowej wpływa na to, co sieć może zrobić?
    • 2.6. Jak mądrze wybierać strukturę sieci?
    • 2.7. Jakimi informacjami karmić sieci?
    • 2.8. Jak wytłumaczyć sieci skąd pochodzi krowa?
    • 2.9. Jak interpretować odpowiedzi produkowane przez sieć?
    • 2.10. Co lepiej starać się dostać z sieci – liczbę czy decyzję?
    • 2.11. Czy lepiej mieć jedną sieć z wieloma wyjściami, czy kilka sieci o jednym wyjściu?
    • 2.12. Co się kryje w warstwach ukrytych?
    • 2.13. Ile potrzeba neuronów, żeby otrzymać dobrze działającą sieć?
    • 2.14. Pytania kontrolne i zadania do samodzielnego wykonania
  • 3. Uczenie sieci
    • 3.1. Kim jest nauczyciel, który będzie uczyć sieć?
    • 3.2. Czy sieć może uczyć się całkiem sama?
    • 3.3. Gdzie i jak sieci neuronowe gromadzą zdobytą wiedzę?
    • 3.4. Jak zorganizować naukę sieci?
    • 3.5. Dlaczego to się czasem nie udaje?
    • 3.6. Do czego służy momentum?
    • 3.7. Od czego zacząć uczenie sieci?
    • 3.8. Czy sieć trzeba długo uczyć?
    • 3.9. Jak uczyć warstwy ukryte?
    • 3.10. W jaki sposób sieć może się uczyć sama?
    • 3.11. Jak prowadzić samouczenie?
    • 3.12. Pytania kontrolne i zagadnienia do samodzielnego rozwiązania
  • 4. Działanie najprostszej sieci
    • 4.1. Jak przejść od teorii do praktyki, czyli jak używać programów przeznaczonych dla czytelników tej książki?
    • 4.2. Czego można oczekiwać od pojedynczego neuronu?
    • 4.3. Co warto zaobserwować podczas dalszych eksperymentów?
    • 4.4. Jak sobie poradzić z większą liczbą wejść neuronu?
    • 4.5. Jak się zachowuje prosta liniowa sieć neuronowa?
    • 4.6. Jak zbudować prostą liniową sieć neuronową?
    • 4.7. Jak wykorzystywać opisaną sieć neuronową?
    • 4.8. Jak i po co wprowadza się w sieci neuronowej rywalizację?
    • 4.9. Jakie są dalsze możliwości wykorzystania sieci neuronowej?
    • 4.10. Pytania, zadania i ćwiczenia do samodzielnego wykonania
  • 5. Uczenie prostych liniowych sieci jednowarstwowych
    • 5.1. Jak zbudować ciąg uczący?
    • 5.2. Jak można nauczać jeden neuron?
    • 5.3. Czy neuron może mieć wrodzone zdolności?
    • 5.4. Jak mocno należy neuron uczyć?
    • 5.5. Jak uczyć prostą sieć?
    • 5.6. Jakie są możliwości zastosowania takich prostych sieci neronowych?
    • 5.7. Czy sieć może się nauczyć filtrować sygnały?
    • 5.8. Pytania i zadania do samodzielnego rozwiązania
  • 6. Sieci nieliniowe
    • 6.1. Po co komu nieliniowości w sieci?
    • 6.2. Jak działa nieliniowy neuron?
    • 6.3. Jak działa sieć złożona z nieliniowych neuronów?
    • 6.4. Jak przedstawić działanie nieliniowych neuronów?
    • 6.5. Jakie możliwości ma wielowarstwowa sieć nieliniowych neuronów?
    • 6.6. Jak przebiega uczenie nieliniowego neuronu?
    • 6.7. Jakie badania możesz przeprowadzić podczas uczenia neuronu?
    • 6.8. Pytania kontrolne, zadania i ćwiczenia do samodzielnego wykonania
  • 7. Backpropagation
    • 7.1. Co to jest backpropagation?
    • 7.2. Jak zmieniać „próg” nieliniowej charakterystyki neuronu?
    • 7.3. Jaki jest najczęstszy kształt nieliniowej charakterystyki neuronu?
    • 7.4. Jak działa wielowarstwowa sieć złożona z nieliniowych elementów?
    • 7.5. Jak można uczyć wielowarstwową sieć?
    • 7.6. Co obserwować podczas uczenia wielowarstwowej sieci?
    • 7.7. Pytania i zadania do samodzielnego rozwiązania
  • 8. Formy uczenia sieci neuronowych
    • 8.1. Jak wykorzystać wielowarstwową sieć neuronową do rozpoznawania?
    • 8.2. Jak zaprogramowałem najprostszą sieć neuronową do rozpoznawania?
    • 8.3. Jak wybierać strukturę sieci neuronowej w trakcie eksperymentów?
    • 8.4. Jak możesz tworzyć zadania rozpoznawania dla sieci?
    • 8.5. Jakie formy uczenia można zaobserwować w sieci?
    • 8.6. Co jeszcze można zaobserwować w badanej sieci?
    • 8.7. Pytania kontrolne i zadania do samodzielnego rozwiązania
  • 9. Sieci neuronowe samouczące się
    • 9.1. Na czym polega idea samouczenia sieci?
    • 9.2. Jak przebiega dłuższe samouczenie sieci?
    • 9.3. Czy postęp samouczenia można uznać za rosnącą mądrość sieci?
    • 9.4. Co jeszcze warto zauważyć podczas samouczenia sieci?
    • 9.5. „Marzenia” i „fantazje” powstające podczas samouczenia sieci.
    • 9.6. Zapamiętywanie i zapominanie.
    • 9.7. Czy każde dane wejściowe spowodują samouczenie się sieci?
    • 9.8. Co może dać wprowadzenie konkurencji do sieci?
    • 9.9. Jakie formy samouczenia daje wprowadzenie konkurencji do sieci?
    • 9.10. Pytania kontrolne oraz zadania do samodzielnego rozwiązania
  • 10. Sieci samoorganizujące się
    • 10.1. Jaką strukturę ma sieć neuronowa, w której tworzyć będziesz odwzorowania, będące skutkiem samoorganizacji?
    • 10.2. Na czym polega samoorganizacja w sieci i do czego może się przydać?
    • 10.3. Jak wprowadza się do sieci sąsiedztwo?
    • 10.4. Co wynika z tego, że jakieś neurony uważamy za sąsiednie?
    • 10.5. Co potrafią zrobić sieci Kohonena?
    • 10.6. Co zrobią sieci Kohonena w przypadku trudniejszych danych?
    • 10.7. Co się dzieje w sieci przy nadmiernie szerokim zakresie początkowych wag?
    • 10.8. Czy można zmieniać formę samoorganizacji w trakcie samouczenia sieci?
    • 10.9. No dobrze, tylko do czego się to wszystko może przydać?
    • 10.10. W jaki sposób sieć może służyć jako narzędzie do transformacji wymiaru przestrzeni sygnałów wejściowych?
    • 10.11. Pytania kontrolne i zadania do samodzielnego wykonania
  • 11. Sieci rekurencyjne
    • 11.1. Co to jest sieć neuronowa rekurencyjna?
    • 11.2. Jakie właściwości mają sieci ze sprzężeniem zwrotnym?
    • 11.3. Po co komu takie sieci neuronowe „z pętelkami”?
    • 11.4. Jak jest zbudowana sieć Hopfielda?
    • 11.5. Jak działa sieć neuronowa jako pamięć skojarzeniowa?
    • 11.6. Jak działa program pozwalający Ci samodzielnie badać działanie sieci Hopfielda?
    • 11.7. Kilka ciekawych przykładów
    • 11.8. Jak i po co można korzystać z automatycznej generacji wzorców dla sieci Hopfielda?
    • 11.9. Jakie badania można przeprowadzić na pamięci asocjacyjnej?
    • 11.10. Co jeszcze warto zaobserwować w pamięci asocjacyjnej?
    • 11.11. Pytania, zadania i problemy do samodzielnego rozwiązania.