Studiu privind rețelele neuronale ART

Previzualizare licența:

Cuprins licența:

1 INTRODUCERE
2 ARHITECTURI NEURALE RECURENTE
2.1 ARHITECTURI NEURALE RECURENTE UNISTRAT
2.1.1 MEMORII HOPFIELD - MODEL ASINCRON CU EVOLUTIE IN TIMP DISCRET
2.1.2 MEMORII LITTLE - MODEL SINCRON CU EVOLUTIE IN TIMP DISCRET
2.2 ARHITECTURI NEURALE RECURENTE CU DOUA STRATURI
2.2.1 MEMORII ASOCIATIVE BIDIRECTIONALE
2.2.1.1 NOTIUNI INTRODUCTIVE
2.2.1.2 ASOCIATORUL LINEAR
2.2.1.3 FUNCTIONAREA MEMORII ASOCIATIVE BIDIRECTIONALE
2.2.1.4 STABILITATEA BIDIRECTIONALA
2.2.2 MASINA BOLTZMANN
2.2.2.1 NOTIUNI INTRODUCTIVE
2.2.2.2 FUNCTIA LIAPUNOV PENTRU MASINA BOLTZMANN
2.2.3 MEMORII ASOCIATIVE CONSTRUITE PE BAZA BRAIN STATE IN A BOX" GENERALIZAT
2.2.3.1 NOTIUNI INTRODUCTIVE
2.2.3.2 DINAMICA MODELULUI "BRAIN STATE IN A BOX" GENERALIZAT
2.2.3.3 MEMORII ASOCIATIVE REALIZATE CU METODA"BRAIN STATE IN A BOX"GENERALIZATA
2.2.4 APLICATII ASUPRA ALTOR MODELE
2.3 ARHITECTURI NEURALE RECURENTE MULTISTRAT
2.3.1 BACK - PROPAGAREA RECURENTA
3 SISTEME DINAMICE
3.1 REZULTATE GENERALE DE MODELARE A SISTEMELOR DINAMICE
3.1.1 INTRODUCERE
3.1.2 REZULTATE LIAPUNOV
3.2 STOCAREA MEMORIEI ADRESABILE PRIN CONTINUT
3.2.1 ECUATIILE ADITIVE STM
3.2.2 MODELUL "BRAIN STATE IN A BOX"
3.2.3 MODELUL MCCULLOCH - PITTS
3.2.4 MASINA BOLTZMANN
3.2.5 MEMORII ASOCIATIVE BIDIRECTIONALE (BAM)
4 TEORIA REZONANTEI ADAPTIVE
4.1 INTRODUCERE
4.2 EXEMPLE DE ARHITECTURI REZONANTE
4.2.1 RETELE NEURALE ART1
4.2.1.1 PREZENTARE GENERALA
4.2.1.2 SUBSISTEMUL ATENTIONAL
4.2.1.3 PROCESAREA PE F1
4.2.1.4 PROCESAREA PE F2
4.2.1.5 PONDERILE LTM TOP - DOWN
4.2.1.6 PONDERILE LTM BOTTOM - UP
4.2.2 RETELE NEURALE ART2
4.2.2.1 PREZENTARE GENERALA
4.2.2.2 PRINCIPIILE DE PROIECTARE ART2
4.2.2.3 ECUATIILE STM PENTRU ART2: F1
4.2.2.4 ECUATIILE STM PENTRU ART2: F2
4.2.2.5 ECUATIILE LTM PENTRU ART2
4.2.2.6 ECUATIILE DE RESET PENTRU ART2: SUBSISTEMUL DE ORIENTARE
4.2.2.7 PROBLEMA POTRIVIRE - RESPINGERE: ALEGEREA VALORILOR LTM"TOP - DOWN"INITIALE
4.2.2.8 PRIN INVATARE CRESTE SENZITIVITATEA SISTEMULUI LA O ALEGERE GRESITA SI SE CONFIRMA ALEGEREA UNEI CATEGORII
4.2.2.9 ALEGEREA UNEI NOI CATEGORII: VALORILE INITIALE LTM "BOTTOM - UP"
4.2.3 RETELE NEURALE ART2 ALTERNATIVE
4.2.4 SISTEMUL ARTMAP
4.2.4.1 INTRODUCERE
4.2.4.2 MODULELE ARTA SI ARTB
5 PREZENTAREA APLICATIEI
6 BIBLIOGRAFIE

Extras din licența:

Aparitia calculatoarelor si studiul modului in care acestea pot fi facute sa invete si sa gandeasca au fost complementare (1940). Daca realizarea acestor lucruri ar fi fost posibila, folosind calculatoarele s-ar fi putut face aproape orice: de la invatarea din inregistrarile medicale a tratamentelor care ar fi indicate pentru vindecarea unor boli necunoscute la construirea de case care ar invata din experienta sa optimizeze costul energiei bazandu-se pe sabloane particulare de folosire furnizate de catre ocupantii lor. Inca de atunci calculatorul a fost folosit drept unealta pentru a modela neuronul individual si clusterii de neuroni (retelele neurale). Primele sisteme neurale au aparut la sfarsitul anilor 1950; Frank Rosenblatt a inventat perceptronul, Bernard Widrow modelul ADALINE, etc.

Din pacate, a urmat o perioada in care a scazut interesul cercetatorilor pentru studiul sistemelor neurale artificiale.

Aceasta perioada a fost o consecinta a aparitiei cartii lui Marvin Minsky si Simon Papert (Perceptrons) in 1969 si a durat pana in 1986 cand cartea lui David Rumelhart si James McClelland, Paralel Distributed Processing, o compilatie de materiale individuale din jurnale si conferinte de specialitate, a reusita sa intr-o lumina noua sistemele neurale. Modelele de arhitecturi neurale au fost derivate din analiza inteligentei din punct de vedere biologic sau din modele euristice obtinute din analiza proprietatilor observate la formele de viata inteligente. Comportarea flexibila si autonoma a oamenilor si a unor animale este regasita in abilitatea de a si organiza raspunsuri adaptive la schimbarile mediului in timp real. Autonomia flexibila este scopul spre care tind tehnicile moderne. In multe cazuri, sistemele neurale au fost folosite pentru a face predictii si a explica date comportamentale si neurale. Rezultatele obtinute in domeniul inteligentei artificiale contribuie la o intelegere mai buna a creierului uman pe cateva niveluri, de la analiza functionala a regiunilor macroscopice ale acestuia cum ar fi cortexul vizual si hipocampusul, la analiza mediatorilor chimici si a altor procese sinaptice. Sistemele neurale au fost in continuare dezvoltate cu ajutorul analizei matematice si a celei de calcul pentru a putea fi structurate principiile de organizare si de calcul evidentiindu-se punctele tari dar si defectele. Rezultatele teoretice au fost dezvoltate pentru a caracteriza relatia fundamentala dintre numarul exemplelor pe care sistemul neural invata, numarul de ipoteze considerate si eroarea asteptata in ipotezele invatate. Algoritmii care au aparut pana acum sunt specializati pe anumite tipuri de invatare.

Astfel, orientate pe anumite domenii, au aparut foarte multe aplicatii practice; exista programe pentru recunoasterea limbii vorbite, aplicatii cu care se detecteaza folosirea frauduloasa a cartilor de credit, programe care pot conduce vehicule pe drumuri publice (folosesc senzori vizuali) sau care joaca anumite jocuri ...

Bibliografie:

AMIT DANIEL J. - "MODELING BRAIN FUNCTION" - CAMBRIDGE UNIVERSITY PRESS, 1992

ANDERSON N. , H. TITTERINGTON - "BEYOND THE BINARY BOLTZMANN MACHINE" - IEEE TRANSACTIONS ON NEURAL NETWORKS, VOL. 6, NO. 5, SEPTEMBRIE 1995

CARPENTER GAIL A. , GROSSBERG STEPHEN - "PATTERN RECOGNITION BY SELF ORGANIZATION NEURAL NETWORKS", MIT PRESS, 1991

FREEMAN, A. JAMES, SKAPURA M. DAVID - "NEURAL NETWORKS, ALGORITMS, APLICATIONS AND PROGRAMMING TECHIQUES", ADDISON - WESLEY PUBLISHING COMPANY, 1991

HALANAY A. - "INTRODUCERE IN TEORIA CALITATIVA A ECUATIILOR DIFERENTIALE" - INTREPRINDEREA POLIGRAFICA NUMARUL 3, BUCURESTI, 1956

HOPPENSTEADT FRANK C. , IZHIKEVICH EUGENE M. - "SPRINGER", 1997

MITCHELL M. TOM - "MACHINE LEARNING" - MCGRAW - HILL COMPANIES, 1997

RYAN T. W. , WINTER C. I. - "VARIATIONS ON ADAPTIVE RESONANCE", 1991

SCHWARTZ CAREY, "ADAPTIVE RESONANCE THEORY"(SCHWARTZC@NAVAIR. NAVY. MIL)

ZAK H. STANISLAW, HUI STEFEN - "SYNTHESIS OF BRAIN STATE IN A BOX BASED ASSOCIATIVE MEMORIES" - IEEE TRANSACTIONS ON NEURAL NETWORKS, VOL. 6, NO. 5, SEPTEMBRIE 1994

ZHOU J. , BENNET S. - "A SUPERVISED LEARNING NETWORK BASED ON ADAPTIVE RESONANCE THEORY" - UNIVERSITY OF SHEFFIELD, 1997

Descarcă licența

Pentru a descărca acest document,
trebuie să te autentifici in contul tău.

Structură de fișiere:
  • Studiu privind retelele neuronale ART
    • Anexe
      • Anexa2
        • CMeansClassifier.cpp
        • CMeansClassifier.h
        • Classifier.cpp
        • Classifier.h
        • Clustering.cpp
        • Clustering.h
        • Copy of HtmlTag.h
        • Cotrain.cpp
        • Cotrain.h
        • CybCategException.cpp
        • CybCategException.h
        • CybCategStd.h
        • Dictionary.cpp
        • Dictionary.h
        • Doc.cpp
        • Doc.h
        • ExpectationMaximization.cpp
        • ExpectationMaximization.h
        • FMEClass.cpp
        • FMEClass.h
        • FeatureVector.cpp
        • FeatureVector.h
        • FuzzyCMeans.cpp
        • FuzzyCMeans.h
        • GeneralFileParser.cpp
        • GeneralFileParser.h
        • HardCMeans.cpp
        • HardCMeans.h
        • Heur2.cpp
        • Heur2.h
        • HeuristicClassifier.cpp
        • HeuristicClassifier.h
        • HtmlParser.cpp
        • HtmlParser.h
        • HtmlTag.cpp
        • HtmlTag.h
        • IDGen.cpp
        • IDGen.h
        • TrainSet.h
        • art2_neural_networks.cpp
        • art2_neural_networks.h
        • lucrare.dsp
        • lucrare.dsw
        • trainmaster.cpp
      • Anexa3
        • CMeansClassifier.cpp
        • CMeansClassifier.h
        • Classifier.cpp
        • Classifier.h
        • Clustering.cpp
        • Clustering.h
        • Copy of HtmlTag.h
        • Cotrain.cpp
        • Cotrain.h
        • CybCategException.cpp
        • CybCategException.h
        • CybCategStd.h
        • Dictionary.cpp
        • Dictionary.h
        • Doc.cpp
        • Doc.h
        • ExpectationMaximization.cpp
        • ExpectationMaximization.h
        • FMEClass.cpp
        • FMEClass.h
        • FeatureVector.cpp
        • FeatureVector.h
        • FuzzyCMeans.cpp
        • FuzzyCMeans.h
        • GeneralFileParser.cpp
        • GeneralFileParser.h
        • HardCMeans.cpp
        • HardCMeans.h
        • Heur2.cpp
        • Heur2.h
        • HeuristicClassifier.cpp
        • HeuristicClassifier.h
        • HtmlParser.cpp
        • HtmlParser.h
        • HtmlTag.cpp
        • HtmlTag.h
        • IDGen.cpp
        • IDGen.h
        • SISTEME DINAMICE1.doc
        • TrainSet.h
        • art2_neural_networks.h
        • art2_neural_networks.zip
        • lucrare.dsp
        • lucrare.dsw
        • trainmaster.cpp
      • Anexa1.doc
    • Bibliografie.doc
    • Cuprins.doc
    • Diploma.doc
Alte informații:
Tipuri fișiere:
doc, cpp, h, zip, dsw, dsp
Diacritice:
Da
Nota:
9/10 (2 voturi)
Anul redactarii:
1999
Nr fișiere:
93 fisiere
Pagini (total):
120 pagini
Imagini extrase:
146 imagini
Nr cuvinte:
33 212 cuvinte
Nr caractere:
178 648 caractere
Marime:
866.28KB (arhivat)
Publicat de:
Anonymous A.
Nivel studiu:
Facultate
Tip document:
Licența
Domeniu:
Calculatoare
Predat:
la facultate din Bucuresti
Materie:
Calculatoare
Sus!