Нейрокомпьютинг и его применения в экономике и бизнесе


03


Персептроны. Прототипы задач
Возможности многослойных персептронов
Нейрон - классификатор
Выбор функции активации
Двухслойные персептроны
Персептрон Розенблатта
Основы индуктивного метода
Байесовский подход
Принцип максимального правдоподобия (maximum likelihood)
Принцип минимальной длины описания (minimum description length)
Градиентное обучение
Метод обратного распространения ошибки
Эффективность алгоритма back-propagation
Использование алгоритма back-propagation
Использование алгоритма back-propagation - часть 2
Вычислительная сложность обучения
Оптимизация размеров сети
Ошибка аппроксимации
Переобучение
Ошибка, связанная со сложностью модели
Оптимизация размера сети
Оптимизация размера сети - часть 2
Адаптивная оптимизации архитектуры сети
Валидация обучения
Ранняя остановка обучения
Прореживание связей
Конструктивные алгоритмы
Примечание 4.1
Примечание 6.1
Примечание 6.2
Персептроны. Прототипы задач
Возможности многослойных персептронов
Нейрон - классификатор
Выбор функции активации
Двухслойные персептроны
Персептрон Розенблатта
Основы индуктивного метода
Байесовский подход
Принцип максимального правдоподобия (maximum likelihood)
Принцип минимальной длины описания (minimum description length)
Градиентное обучение
Метод обратного распространения ошибки
Эффективность алгоритма back-propagation
Использование алгоритма back-propagation
Использование алгоритма back-propagation - часть 2
Вычислительная сложность обучения
Оптимизация размеров сети
Ошибка аппроксимации
Переобучение
Ошибка, связанная со сложностью модели
Оптимизация размера сети
Оптимизация размера сети - часть 2
Адаптивная оптимизации архитектуры сети
Валидация обучения
Ранняя остановка обучения
Прореживание связей
Конструктивные алгоритмы



Начало