A kosaram
0
MÉG
5000 Ft
a(z) 5000Ft-os
szállítási
értékhatárig
Ginop popup ablak bezárása

Neurális hálózatok és műszaki alkalmazásaik

Egyetemi tankönyv/Budapesti Műszaki Egyetem Villamosmérnöki és Informatikai Kar

Szerző
Szerkesztő
Grafikus
Budapest
Kiadó: Műegyetemi Kiadó
Kiadás helye: Budapest
Kiadás éve:
Kötés típusa: Ragasztott papírkötés
Oldalszám: 314 oldal
Sorozatcím:
Kötetszám:
Nyelv: Magyar  
Méret: 24 cm x 17 cm
ISBN: 963-420-577-1
Megjegyzés: Néhány fekete-fehér ábrával. Tankönyvi száma: 55034.
Értesítőt kérek a kiadóról

A beállítást mentettük,
naponta értesítjük a beérkező friss
kiadványokról
A beállítást mentettük,
naponta értesítjük a beérkező friss
kiadványokról

Előszó

Mintegy 35-40 éve, jórészt biológiai kutatások eredményeképpen merült fel az a gondolat, hogy a természetes, "biológiai" neurális hálózatok mintájára is létrehozhatók számító rendszerek. Az... Tovább

Előszó

Mintegy 35-40 éve, jórészt biológiai kutatások eredményeképpen merült fel az a gondolat, hogy a természetes, "biológiai" neurális hálózatok mintájára is létrehozhatók számító rendszerek. Az alapgondolat térnyerése azonban csak az utóbbi, mintegy 10-15 évben következett be. Egy "új" számítási paradigma, a neurális számítástechnika (neural computing) jelent meg, amely a természetes (biológiai) neurális rendszerek felépítése és működési mechanizmusa mintájára hoz létre számító rendszereket. Olyan rendszereket, melyek a feladatokat nem algoritmikusan oldják meg, hanem a természetből ellesett módon mintákból, példákból nyert tapasztalatok felhasználásával, tanulás útján alakítják ki feladatmegoldó képességüket. E "mesterséges" neurális rendszerek felépítésükben is hasonlóságot mutatnak a biológiai neurális rendszerekkel; sok, egymással nagymértékben összekötött elemi műveletvégző egységből állnak, melyek párhuzamos működésük révén bonyolult feladatok igen gyors megoldására is képesek lehetnek.
A neurális számítástechnika mára önálló tudománnyá vált, amely szilárd elméleti alapokkal, egyre szélesebb alkalmazási körrel és egyre több alkalmazási tapasztalattal rendelkezik. Ez indokolja, hogy a témakör megjelenjen az egyetemi oktatásban is.
Ez a tankönyv azzal a céllal született, hogy áttekintést adjon a neurális hálózatokkal kapcsolatos legfontosabb elméleti és gyakorlati eredményekről. Semmiképpen sem törekedhet teljességre, márcsak a témakör intenzív fejlődése miatt sem, de azért sem, mert a neurális hálózatokkal foglalkozó irodalom, az eddigi eredmények olyan széleskörűek, hogy a témakör jelenlegi szintjének teljes áttekintése messze meghaladná egy korlátozott terjedelmű tankönyv kereteit. Az ismertetett témakörök kiválasztásába jelentősen közrejátszott a szerzői kollektíva szemlélete is, tehát a témakörök kiválasztása bizonyos szubjektív elemeket is tartalmaz. Azon elméleti eredmények és hálózatok szerepelnek nagyobb súllyal, amelyek a méréstechnikai, szabályozástechnikai és jelfeldolgozási feladatokhoz jobban illeszkednek. A könyv szemlélete néhány neurális hálózatokkal foglalkozó könyvtől abban is eltér, hogy a hálózatok biológiai vonatkozásait nem emeli ki. Ugyan néhány helyen megemlítjük, hogy egyes hálózatok kialakulásában biológiai, tehát nem mesterséges, hanem természetes neurális hálózatok jelentős szerepet játszottak, alapjában a hálózatokat úgy tekintjük, mint bizonyos operációk elvégzésére alkalmas rendszereket, amelyek eredetüktől függetlenül vizsgálhatók és alkalmazhatók. Ez az oka annak, hogy nem szerepel a könyvben a biológiai neuron, az idegsejt felépítése sem.
A tankönyv alapját egy előadássorozat és egy négy éve készült jegyzet [Hor95] képezi. Az előadássorozat a BME Villamosmérnöki és Informatikai Kar különböző évfolyamos hallgatói részére az elmúlt években többször elhangzott. A tankönyv azonban nem követi teljesen az előadások menetét, számos helyen bővebb annál, míg más témák, melyek az előadásban szerepeltek, nem jelennek meg a könyvben. A tankönyv a jegyzethez képest néhány jelentősebb és több kisebb változáson esett át. A változtatások célja elsősorban az volt, hogy az elmúlt években elért néhány fontos új eredmény is bemutatásra kerüljön. Vissza

Tartalom

1. Bevezetés 1
2. A neurális hálózatok felépítése, alapvető felhasználási területei 6
2.1. A neurális hálózat definíciója, működése 6
2.2. A neurális hálózat elemei, topológiája 7
2.2.1. A neuronok felépítése 7
2.2.2. A neurális hálózatban használt összeköttetések 12
2.2.3. A neurális hálózatok topológiája 13
2.3. A neurális hálózatok alapvető felhasználási területei 18
2.3.1. A neurális hálózat, mint asszociatív memória 18
2.3.2. A neurális háló, mint osztályozó rendszer 19
2.3.3. A neurális háló, mint optimalizáló rendszer 20
2.3.4. A neurális háló, mint approximáló rendszer 20
2.3.5. A neurális háló, mint nemlineáris dinamikus rendszer 21
2.4. A neurális hálózatok approximációs képessége 22
2.4.1. Matematikai leképezések közelítése neurális hálóval, a probléma 23
2.4.2. Két nemlineáris réteget használó approximációs hálózatok 23
2.4.3. Egy nemlineáris réteget használó approximációs hálózatok 25
3. Tanulás 32
3.1. Ellenőrzött tanulás 33
3.1.1. Tanítóval történő tanítás 33
3.1.2. Megerősítő tanulás 70
3.1.3. Sztochasztikus szélsőérték-kereső eljárások 70
3.2. Nemellenőrzőtt tanulás 81
3.2.1. Hebb tanulás 82
3.2.2. Versengő tanulás 83
3.3. Analitikus tanulás 84
4. Ellenőrzött tanítású hálózatok 86
4.1. A perceptron 86
4.1.1. A perceptron tanulása 87
4.1.2. A perceptron tanulás konvergenciája 90
4.1.3. A perceptron kapacitása 92
4.2. Az adaline 93
4.3. Többrétegű hálózatok (MLP) és tanítási algoritmusuk: backpropagation 94
4.3.1. Egy processzáló elem szigmoid kimeneti nemlinearitással 94
4.3.2. A backpropagation algoritmus 95
4.3.3. Backpropagation változatok 109
4.4. Egy tanítható rétegű hálózatok 112
4.4.1. Az RBF (Radiális Bázis Függvény) hálózat 115
4.4.2. A CMAC hálózat 119
4.4.3. A Counterpropagation (CPN) hálózat 135
4.5. Az előrecsatolt statikus hálózatok alkalmazásai 136
4.5.1. Mintafelismerés 137
4.5.2. Néhány egyéb alkalmazás 142
4.6. Időfüggő (szekvenciális) hálók 143
4.6.1. Regresszorválasztás, modellstruktúra választás 144
4.6.2. Dinamikus neurális modellek 146
4.6.3. Előrecsatolt időfüggő hálózatok 148
4.6.4. Visszacsatolt (rekurzív) hálózatok 155
4.6.5. Dinamikus hálók alkalmazása 161
5. Nem el len őrzött tanulású hálózatok 177
5.1. Kohonen háló, kompetitív hálózatok 178
5.1.1. A Kohonen háló tanítása 179
5.1.2. Felügyelt tanulás alkalmazása Kohonen hálózatnál: tanuló vektorkvantálás (LVQ) 182
5.2. Adattömörítés Hebb tanuláson alapuló hálózatokkal, PCA, KLT 184
5.2.1. A KL transzformáció optimalitása 186
5.2.2. Az Oja szabály, a legnagyobb sajátértéknek megfelelő sajátvektor
meghatározása 187
5.2.3. Altér hálózatok 191
5.2.4. Főkomponens hálók 193
5.2.5. Lineáris többrétegű perceptron, mint adattömörítő hálózat 197
5.3. Nemlineáris hálók 198
5.3.1. Független komponens analízis 198
5.3.2. Nemlineáris adattömörítő hálózatok 203
6. Analitikus tanítású hálózatok 206
6.1. A Hopfield hálózat 206
6.1.1. Minták tárolása 208
6.1.2. Az energiafüggvény 211
6.1.3. Az energiafüggvény felhasználása 213
6.2. A Boltzmann gépek 214
6.2.1. Problémák a Hopfield hálózat alkalmazásakor 214
6.2.2. Szimulált lehűtés 215
6.3. Mean-field hálózatok 218
6.4. Hopfield típusú hálózatok alkalmazása optimalizációs problémákra 221
6.4.1. Az utazó ügynök probléma 224
6.4.2. Rádiófrekvenciák kiosztása neurális hálózattal 225
6.4.3. A/D konverter megvalósítása Hopfield hálózattal 226
6.5. A CNN hálózat 227
7. Stabilitás 231
7.1. Bevezetés 231
7.2. Stabilitás lineáris rendszerek esetén 233
7.3. Stabilitás nemlineáris rendszerek esetén 234
7.4. A backpropagation tanítás stabilitása 239
7.5. Visszacsatolt, többrétegű hálózatok stabilitása 242
7.6. A Hopfield hálózatok energiaviszonyai 246
7.7. Dinamikus leképezést megvalósító hálók stabilitási viszonyai 247
8. Gyakorlati feladatmegoldás: adatelőkészítés, lényegkiemelés 249
8.1. Az adatok elő- és utófeldolgozása 249
8.1.1. Adatok hihetőség vizsgálata 250
8.1.2. A bemeneti adatok normalizálása 251
8.1.3. A túl nagy adat dimenzió által okozott problémák 252
8.1.4. Diszkrét értékekkel reprezentált szimbolikus adatok kezelése 256
8.1.5. Invariáns tulajdonságokat előállító előfeldolgozás 256
8.2. Hiányzó adatok 261
9. A hálózatok megvalósítása 266
9.1. Neurális megvalósítások csoportosítása 266
9.2. Párhuzamos szoftver technikák 267
9.2.1. Neurális szimulátorok - neurális hálózatok szimulációja 271
9.3. Neurális hardvere 273
9.3.1. A neurális szoftvereket futtató hardver 274
9.3.2. A hardver eszközök összehasonlítása 279
9.4. Az implementációk minősítése, benchmarking 281
9.5. Implementációs példák 282
9.5.1. Neurochipek 282
9.5.2. Neurális szimulátorok 291
10. A neurális számítástechnika várható fejlődési irányai 295
Irodalomjegyzék 298
Szótár 313
Megvásárolható példányok

Nincs megvásárolható példány
A könyv összes megrendelhető példánya elfogyott. Ha kívánja, előjegyezheti a könyvet, és amint a könyv egy újabb példánya elérhető lesz, értesítjük.

Előjegyzem