Una red neuronal probabilística - página 2
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Aquí hay otro recorte del libro de texto.
Да не только в учителе дело. Принцип другой. МЛП чертит линии(гиперплоскости), а вероятностная окружности(гипершары).
Взять простой пример:
Линейный перцептрон просто линией разделил и всё, линия у него бесконечна.
А значение потенциалов обоих классов будет практически нулевым. Разница есть?
¿Qué tiene que ver un perceptrón lineal? Un MLP, o perceptrón multicapa, o en ruso, un perceptrón multicapa, dividirá cualquier espacio complejo en clases. La diferencia es el maestro, PNN es una tarea de clasificación, MLP es una tarea de aproximación en su mayor parte. A esta tarea la llamamos la red.
Причем здесь линейный персептрон? MЛП, или MLP - multilayer perceptron, или рускими словами, многослойный персептрон, он разделит на классы скольугодно сложное пространство. Разница в учителе, PNN задачи классификации, MLP задачи апроксимации по большей части. Какая задача, так и обзываем сетку.
Basándose en su lógica, ¿en qué clase clasificaría unared neuronalconvolucional ? Podría utilizar fácilmente un MLP para la clasificación probabilística, pero no sería una red PNN.
Hubo una acalorada discusión sobre PNN (https://forum.mql4.com/ru/9502) en su día cuando Batter ganó el concurso, aunque recomiendo investigarlo.
En primer lugar, la PNN tiene diferencias arquitectónicas, es decir, cómo se conectan las neuronas entre sí, las capas ocultas y de salida no están totalmente conectadas.
Recomiendo encontrar y leer dos artículos de Donald Specht: Probabilistic Neural Networks for Classification and Mapping o Associative Memory and Probabilistic Neural Networks.
Uno de los artículos trata de la PNN en la atacha.
Исходя из Вашей логики к какому классу вы отнесете свети свертки (convolutional neural net)? Я на легко могу использовать MLP для классификации по вероятностному признаку, но это не будет PNN сетью.
В свое время когда Беттер победил на конкурсе развернулась бурная дискуссия на предмет PNN (https://forum.mql4.com/ru/9502), рекомендую ее все же посмотреть.
В первую очередь PNN имеет архитектурные отличия, т.е. как связаны нейроны между собой, скрытый и выходной слои, не являются полносвязными.
Рекомендую найти и почитать две статьи, Дональда Спехтома (Donald Specht): Probabilistic Neural Networks for Classification и Mapping or Associative Memory and Probabilistic Neural Networks.
Одна из статей посвященная PNN в атаче.
¿Qué querías decir exactamente con tu post? ¿Es que MLP no puede resolver los problemas de PNN? ¿O la PNN no es adecuada para las tareas de MLP?
Si no es así, no tiene sentido producir conceptos que tratan de lo mismo: la transformación no lineal.
O tal vez usted quiere decir que tienen una matriz diferente, en lo que la diferencia fundamental específica, por favor, ilustrar con ejemplos concretos, sin hacer referencia a la wiki y para leer artículos, libros se medirá o qué?
Arquitectura de una red PNN/GRNN
En 1990, Donald F. Specht propuso un método para formular el método del vecino ponderado descrito anteriormente en forma de red neuronal. A continuación se muestra un diagrama de unared PNN/GRNN:
Todas las redes PNN/GRNN tienen cuatro capas:
Para las redes GRNN, sólo hay dos neuronas en la capa de patrones. Una neurona es la unidad de suma del denominador y la otra es la unidad de suma del numerador. La unidad de suma del denominador suma los valores de peso procedentes de cada una de las neuronas ocultas. La unidad sumadora del numerador suma los valores de los pesos multiplicados por el valor objetivo real de cada neurona oculta.
En el caso de las redes GRNN, la capa de decisión divide el valor acumulado en la unidad de suma del numerador entre el valor de la unidad de suma del denominador y utiliza el resultado como valor objetivo predicho.
¿Y cuáles son las principales diferencias con MLP?
Todos los autores producen conceptos; su propósito no es promover la ciencia, sino ganar dinero con los libros y artículos, al igual que los "escritores de acciones".
PS Diferentes autores sobre NN a veces difieren en los mismos conceptos y definiciones, por lo que no tiene sentido referirse a algunos de ellos para aclarar los términos.
PPS Lo importante es entender cómo funciona una neurona por transformación no lineal. Eso es todo, no se necesita nada más.
Ну и что конкретно Вы хотели сказать своим постом? Может то, что MLP не может решать задачи PNN? Или PNN не пригоден для задач MLP?
Ну и в чем принципиальные отличия от MLP?
PS У разных авторов по NN порой разнятся одни и те же понятия и определения, поэтому нет смысла ссылаться на одних из них для уточнения терминов.
PPS Важно понимание работы нейрона по нелинейному преобразованию. Всё, больше ничего не нужно.
La primera y principal diferencia es cómo se interpretan las salidas de la red y cómo se hace esta interpretación sin ambigüedad (relativa).
En el caso de la PNN, la red está diseñada para clasificar/clasificar datos, por lo que no está totalmente mallada, mientras que la MLP sí lo está.
Otra diferencia es que PNN puede utilizar diferentes funciones de activación para diferentes capas, por ejemplo, para la capa de salida se utiliza una función de base radial,
mientras que el MPL utiliza tradicionalmente la misma función de activación para todas las capas.
La PNN puede resolver los problemas de la MPL, pero ya no será una PNN, sino una variación basada en una arquitectura que no sea de base completa, y también al revés.
En cuanto a la transformación no lineal, sí estoy de acuerdo, cualquier NS es una transformación no lineal (o lineal, el perseptrón monocapa también es un NS) y es importante entender cómo funciona,
Pero dejas de lado un hecho más, NS tiene en cuenta la arquitectura interna de las conexiones - olvidas que el aparato matemático se basa en un prototipo biológico y un cognitrón, por ejemplo, es lo más parecido a su
implementación.
El autor del hilo se interesó por el aparato matemático, los artículos y las primeras fuentes que mejor lo revelan. :) Y los rasgos distintivos que te di de inmediato: la arquitectura. Y no es el deseo de los autores
Para "dejar su huella en el arte", todo es más simple y más complicado - se necesita una regla inequívoca de interpretación de los resultados, con diferentes datos de entrada (datos de diferentes áreas de aplicación).
1)Первое и основное отличие это то как интерпретируются выходы сети и с помощью чего обеспечивается однозначность (относительная) этой интерпретации.
В случае с PNN, сеть разрабатывалась для классификации\кластеризации данных, следовательно имеет не полносвязую структуру, MLP - полносвязную.
2)Еще одним отличием является то, что PNN может используются различные ф-ции активации для различных слоев, скажем для выходного слоя использует радиально-базисная ф-ция,
а MPL традиционно использует для всех слоев одну и туже ф-цию.
3)PNN может решать задачи MPL, только это будет уже не PNN, а вариация на базе не полносвязной архитектуры, точно также и в обратную сторону.
4)Относительно нелинейного преобразования, да согласен, любая НС - это нелинейное преобразование (или линейное, однослойные персептрон тоже НС) и важно понимать как это работает,
но вы опускаете еще один факт, НС учитывает внутреннюю архитектуру связей - вы забываете, что в основу мат. аппарата все же лег биологический прототип и когнитрон, к примеру, ближе всего к его
реализации.
5)Автор ветки интересовался мат. аппаратом, статьи и перво источники лучше всего его раскрывают. :) А отличительные признаки я назвал вам сразу - архитектура. И здесь не стремление авторов
"оставить свой след в искусстве", все проще и сложнее - необходимо однозначное правило интерпретации выходов, при различных исходных данных (данных с различных прикладных областей).
1) Eso es lo que he dicho, se trata del profesor.
2) Hmm, ¿quién prohíbe utilizar una fuerza f de activación diferente para cada neurona de la red en MLP? O más bien, el factor de curvatura en la activación f-i, ya que (la activación f-i) es la misma para todas las redes y todas las neuronas, su forma puede variar desde la lógica escalonada, en forma de s, hasta la lineal recta.
10 es el coeficiente de curvatura.
3) Bueno, si es así, entonces no hay necesidad de hacer un escándalo.
4) No contradice lo que he dicho.
5) ¿Sigues ciegamente a las autoridades de los libros y no investigas por ti mismo? No deberías. El margen de maniobra es ilimitado, y si se siguen los conceptos de los libros, a menudo contradictorios, es muy probable que se pierdan cosas muy importantes .... hmm, te estás perdiendo muchas cosas.
En general, llámalo como quieras, la esencia de la transformación no lineal de una neurona no cambiará.
Buena suerte.
joo писал(а) >>
¿Vamos a tener una pelea de libros o qué?
Lista de archivos en mi biblioteca
En las redes:
Un estudio de caso sobre el uso de redes neuronales para realizar trabajos técnicos.pdf
Patrones y probabilidades de Forex.pdf
Gorban A.N. Neuroinformática. Qué somos, a dónde vamos, cómo medir nuestro camino.pdf
Haykin S. Filtrado de Kalman y redes neuronales.djvu
IskusstvennyeNeironnyeSeti.TeoriyaIPraktika_cover.jpeg
Jonsson F. Markus. Localización de vehículos en mapas de terreno reales digitalizados. Parte 1.doc
Jonsson F. Markus. Encontrar la ruta óptima para vehículos en mapas de terreno reales digitalizados. Parte 2.doc
Krose B. Introducción a las redes neuronales. 1996.djvu
Long, Parks Neural Network Modeling.djvu
Modelización y negociación del EURUSD.pdf
Manual_de_redes_neuronales_de_previsión_de_tendencias.pdf
rbfkalman.pdf
ToshibaNeuronChip.pdf
Uso de las redes neuronales recurrentes para la previsión del mercado de divisas.pdf
Barskyi A.B. Redes neuronales de reconocimiento, control y toma de decisiones. 2004.pdf
Berkinblit M.B. Redes neuronales 1993.djvu
Bastens D. Redes neuronales y mercados financieros. Toma de decisiones en el comercio.djvu
Vapnik V.N. Reconstrucción de la dependencia a partir de datos empíricos. 1997.djvu
Voronovsky G.K. Genetic Algorithms, Artificial Neural Networks and Virtual Reality Problems. pdf
Galushkin A.I. Teoría de las redes neuronales. Volumen 1 2000.djvu
Goldstein B.S. Redes inteligentes. 2000.djvu
Gorban A.N. Teorema de aproximación generalizado y capacidades computacionales de las redes neuronales.pdf
Gorbunova E.O. Universalidad algorítmica de la máquina cinética de Kirdin.pdf
Gorbunova E.O. Métodos de neuroinformática. Finitud y determinación de programas simples para la máquina cinética de Kirdin.pdf
Jane Anil K. Introducción a las redes neuronales artificiales.pdf
Dorrer M.G. Predicción intuitiva de las relaciones de grupo mediante redes neuronales.pdf
Dorrer M.G. Métodos de neuroinformática. Aproximación de funciones multidimensionales mediante un predictor de semicapas con transductores arbitrarios.pdf
Dubrovich V.I. Subbotin S.A. Algoritmo de aprendizaje acelerado de perseptrones.pdf
Ezhov A. Shumsky S. Neurocomputing and its applications in economics and business.djvu
Zhukov L.A. Uso de las tecnologías de redes neuronales para el trabajo de investigación educativa.pdf
Zaentsev I.V. Modelos básicos de redes neuronales. 1999.pdf
Zakharov V.N. Khoroshevsky V.F. Artificial Intelligence. Volumen 3. Software y hardware 1990.djvu
Callan R. Conceptos básicos de redes neuronales.djvu
Kgur P.G. Redes neuronales y neurocomputadoras.pdf
Komashinsky V.I. Redes neuronales y su aplicación en sistemas de control y comunicación 2003.pdf
Korotky S. Redes neuronales de Hopfield y Hamming.pdf
Korotky S. Redes neuronales. Algoritmo de retropropagación.pdf
Korotky S. Redes neuronales. Aprender sin profesor.pdf
Korotky S. Redes neuronales. Conceptos básicos.pdf
Krisilov V.A. Kondartiuk A.V. Conversión de los datos de entrada de la red neuronal para mejorar la discriminabilidad.pdf
Krisilov V.A. Oleshko D.N. Métodos de aceleración del entrenamiento de redes neuronales.doc
Krisilov, V.A., Chumichkin, K.V. Aceleración del aprendizaje de redes neuronales mediante la simplificación adaptativa de las muestras de aprendizaje.
Krisilov V.A. Presentación de los datos iniciales en tareas de previsión de redes neuronales.pdf
Kruglov V.V. Lógica difusa y redes neuronales artificiales.djvu
Kruglov, Borisov - Redes neuronales artificiales. Teoría y práctica, 2002.djvu
Kruglov, Borisov - Redes neuronales artificiales. Teoría y práctica, 2002.txt
Liu B. Teoría y práctica de la programación indefinida, 2005.djvu
McCulloch W., Pitts W. Cálculo lógico de las ideas relativas a la actividad neuronal.pdf
Markel J.D. Predicción lineal del habla. 1980.djvu
Mirkes E.M. Neurocomputadora. Proyecto de norma. 1998.pdf
Nabhan T.N. Zomaya A. Sobre los problemas de creación de estructuras de redes neuronales para la optimización del rendimiento.pdf
Napalkov A. V., Pragina L. L. - El cerebro humano y la inteligencia artificial.docx
Oleshko D.N. Aumento de la calidad y la velocidad del entrenamiento de las redes neuronales en una tarea de la previsión del comportamiento de las series temporales.doc
Oleshko D.N. Aumentar la calidad y la velocidad del aprendizaje de las redes neuronales.doc
Ostrovsky S. Redes neuronales para el procesamiento de la información 2000.djvu
Pitenko A.A. Uso de tecnologías de redes neuronales para resolver problemas analíticos en SIG.pdf
Senashova M.Y. Errores de las redes neuronales. Cálculo de errores en los pesos sinápticos. 1998.pdf
Subbotin S.A. Neurocibernética en la URSS-CEI - Análisis de inventos y patentes.pdf
Tarasenko R.A. Elección del tamaño de la descripción de la situación en la formación de la muestra de entrenamiento para las redes neuronales en las tareas de previsión de series temporales.doc
Tarasenko R.A. Estimación preliminar de la calidad de la selección del entrenamiento para redes neuronales en tareas de previsión de series temporales.doc
Terekhov S.A. Aspectos tecnológicos del aprendizaje automático de redes neuronales. 2006.pdf
Tyumentsev Yu.V. Sistemas autónomos inteligentes: un reto para las tecnologías de la información.pdf
Wosserman, F. Ingeniería neuroinformática.doc
Wosserman, F. Ingeniería neuroinformática. Teoría y práctica.doc
Haikin S. Redes neuronales - curso completo.djvu
Tsaregorodtsev V.G. Producción de conocimiento semiempírico a partir de tablas de datos mediante redes neuronales artificiales entrenables.pdf
En DSP:
Arndt J. Algoritmos para programadores ideas y código fuente.pdf
Les Thede Diseño práctico de filtros analógicos y digitales. 2004.pdf
O'Leary 2002 DSP directory.pdf
Paillard B. An Introduction To Digital Signal Processors. 2002.pdf
Rorabauch, Britton Digital Filter Designer`s Handbook. 1989.pdf
Stranneby, Dag. Procesamiento digital de señales DSP y aplicaciones. 2001.pdf
Eificher E. Jervis B. Procesamiento digital de señales. Un enfoque práctico. 2004.djvu
Anokhina A.M. Procesamiento digital de señales en sistemas de medición de experimentos físicos. Cálculo de filtros.pdf
Antonyu A. Filtros digitales. Análisis y diseño. 1983.djvu
Arutyunov P.A. Teoría y aplicación de las mediciones algorítmicas.1990.djvu
Belodedov M.V. Métodos de diseño de filtros digitales. 2004.pdf
Bleihut R. Algoritmos rápidos para el procesamiento digital de señales. 1989.djvu
Bogner, R. Konstantinidis, A. Introducción en el filtrado digital. 1976.djvu
Bracewell R. La transformación de Hartley. Teoría y práctica. 1990.djvu
Vinokurov A. GOST 28147-89 algoritmo de cifrado su uso y realización para los ordenadores de la plataforma Intel x86.djvu
Vorobyev V.I. Gribunin V.G. Teoría y práctica de la transformada wavelet. 1999.djvu
Gold, B. Procesamiento digital de señales. 1973.djvu
Goldenberg L.M. Procesamiento digital de señales. 1990.djvu
Gutnikov V.S. Filtrado de señales de medición. 1990.djvu
Davidov A.V. Procesamiento digital de señales.docx
Davidov A.V. PROCESAMIENTO DE SEÑALES DIGITALES.pdf
Dakhnovich A.A.pdf
Denisenko A.N. Señales. Radioingeniería teórica.djvu
Zalmanzon L.A. Transformadas de Fourier, Walsh y Haar. Parte 1.djvu
Zalmanzon L.A. Transformadas de Fourier, Walsh y Haar. Parte 2.djvu
Zalmanzon L.A. Transformadas de Fourier, Walsh y Haar. Parte 3.djvu
Zverev V.A. Stromkov A.A. Extracción de señales del ruido por métodos numéricos 2001.djvu
Kay, S.M. Métodos modernos de análisis espectral.djvu
Kolos M.V. Métodos óptimos de filtrado digital. 2000.pdf
Komarov A.V. Procesadores digitales de señales. 2003.doc
Krisilov V.A. Poberezhnik S.M. Aproximación de dependencias complejas mediante series polinómicas y armónicas de estructura flexible.pdf
Krisilov V.A. Problemas de falsa compacidad en el espacio de características discretas en tareas de taxonomía. pdf
Kuo B. Teoría y diseño de sistemas de control digital. 1986.djvu
Lazarev, S. Transformada rápida de Fourier para el procesamiento de señales en dispositivos de automatización.pdf
Lebedev A.N. Métodos de modelización digital. 1988.pdf
Lukin A. Introducción al procesamiento digital de señales. 2002.djvu
Nussbaumer G. Transformada rápida de Fourier y algoritmos de convolución. 1985.djvu
Olsson G. Sistemas digitales de automatización y control. Parte 1. 2001.djvu
Olsson G. Sistemas digitales de automatización y control. Parte 2. 2001.djvu
Oppenheim A.V. Procesamiento digital de señales. 1979.djvu
Ostapenko A.G. Filtros recursivos en microprocesadores. 1988.djvu
Rabiner L. Gould B. Theory and Application of Digital Signal Processing. 1978.djvu
Rabiner L.R. Shafer R.V. Digital Signal Processing. 1981.pdf
Radiotekhnika ¹03 2000_00.djvu
Recomendación UIT G721rus.djvu
Comparación de los algoritmos ADICM de las Recomendaciones G726 y G727 de la UIT.djvu
Recomendación UIT G726 Anexo A.djvu
Recomendaciones UIT G727.djvu
Recomendaciones UIT G727 Apéndice A.djvu
Robinson E.A. History of Spectral Estimation Theory Development. 1982.djvu
Rossiev A.A. Modelización de datos de curvas para la recuperación de huecos en tablas.pdf
Sato Y. Signal Processing.djvu
Sergienko A.B. Procesamiento digital de señales. 2003.djvu
Siebert W.M. Circuitos, señales, sistemas. Parte 1. 1988.djvu
Sibert, U.M. Circuitos, señales, sistemas. Parte 2. 1988.djvu
Sizikov V.S. Métodos estables de tratamiento de los resultados de las mediciones 1999.pdf
Sinclair, Jan. Introducción a la ingeniería de audio digital. 1990.djvu
Solonina A. Ulakhovich D. Algoritmos y procesadores de procesamiento digital de señales. 2002.djvu
Solonina A.I. Fundamentos del procesamiento digital de señales. 2005.djvu
Stepanov A.V. Métodos de procesamiento informático de señales de sistemas de radiocomunicación.doc
Trachtman A.M. Fundamentos de la teoría de señales discretas en intervalos finitos. 1975.djvu
Widrow B. Procesamiento adaptativo de señales. 1989.djvu
Walt Kester Procesamiento Digital de Señales. Analog Devices.pdf
Fink L.M. Signals, Interference, Errors. Parte 1. 1984.djvu
Fink, L.M. Señales, interferencias y errores. Parte 2. 1984.djvu
Fink L.M. Teoría de la transmisión de mensajes discretos Parte 1 1970.djvu
Fink L.M. Teoría de la transmisión de mensajes discretos Parte 2 1970.djvu
Flanagan D.L. Análisis, síntesis y percepción del habla. 1968.djvu
Franks L. Teoría de la señal. 1974.djvu
Harkevich A.A. Lucha contra la interferencia. 1965.djvu
Hemming, R.W. Filtros digitales. 1980.djvu
Huang T.S. Algoritmos rápidos en el procesamiento digital de imágenes 1984.djvu
Shchatilov V. Perspectivas de aplicación de las nuevas soluciones de dispositivos analógicos en los modernos sistemas de comunicación digital.pdf
Yaroslavsky L.P. Procesamiento digital de señales en óptica y holografía.djvu
Si alguien lo necesita puedo subirlo a cualquier servidor ftp
Список файлов в моей библиотеке
По сетям:
A case study on using neural networks to perform technical.pdf
Forex Patterns and Proababilities.pdf
Gorban A.N. Neuroinformatics. What are us, where are we going, how to measure our way.pdf
Haykin S. Kalman filtering and neural networks.djvu
IskusstvennyeNeironnyeSeti.TeoriyaIPraktika_cover.jpeg
Jonsson F. Markus. Поиск оптимального пути для транспортных средств на оцифрованых картах реальной местности. Часть 1.doc
Jonsson F. Markus. Поиск оптимального пути для транспортных средств на оцифрованых картах реальной местности. Часть 2.doc
Krose В. An introduction to Neural networks. 1996.djvu
Long, Parks Neural Network Modeling.djvu
Modelling and Trading EURUSD.pdf
Neural_Network_Trend_Predictor_Manual.pdf
rbfkalman.pdf
ToshibaNeuronChip.pdf
Using Recurrent Neural Networks To Forecasting of Forex.pdf
Барскии А.Б. Нейронные сети распознавание, управление, принятие решений. 2004.pdf
Беркинблит М.Б. Нейронные сети 1993.djvu
Бэстенс Д. Нейроннные сети и финансовые рынки. Принятие решений в торговых операциях.djvu
Вапник В.Н. Восстановление зависимостей по эмпирическим данным. 1997.djvu
Вороновский Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности.pdf
Галушкин А.И. Теория нейронных сетей. Кн. 1 2000.djvu
Гольдштейн Б.С. Интеллектуальные сети. 2000.djvu
Горбань А.Н. Обобщенная аппроксимационная теорема и вычисительные возможности нейронных сетей.pdf
Горбунова Е.О. Алгоритмическая универсальность кинетической машины Кирдина.pdf
Горбунова Е.О. Методы нейроинформатики. Финитность и детерминированность простых программ для кинетической машины Кирдина.pdf
Джейн Анил К. Введение в искусственные нейроные сети.pdf
Доррер М.Г. Интуитивное предсказание нейросетями взаимоотношений в группе.pdf
Доррер М.Г. Методы нейроинформатики. Аппроксимация многомерных функций полутораслойным предиктором с произвольными преобразователями.pdf
Дубрович В.И. Субботин С.А. Алгоритм ускоренного обучения персептронов.pdf
Ежов А. Шумский С. Нейрокомпьютинг и его применения в экономике и бизнесе.djvu
Жуков Л.А. Использование нейросетевых технологий для проведения учебно-исследовательских работ.pdf
Заенцев И.В. Нейронные сети основные модели. 1999.pdf
Захаров В.Н. Хорошевский В.Ф. Искусственный интеллект. Том 3. Программные и аппаратные средства 1990.djvu
Каллан Р. Основные концепции нейронных сетей.djvu
Кгур П.Г. Нейронные сети и нейрокомпьютеры.pdf
Комашинский В.И. Нейронные сети и их применение в системах управления и связи 2003.pdf
Короткий С. Нейронные сети Хопфилда и Хэмминга.pdf
Короткий С. Нейронные сети. Алгоритм обратного распространения.pdf
Короткий С. Нейронные сети. Обучение без учителя.pdf
Короткий С. Нейронные сети. Основные положения.pdf
Крисилов В.А. Кондартюк А.В. Преобразование входных данных нейросети с целью улучшения различимости.pdf
Крисилов В.А. Олешко Д.Н. Методы ускорения обучения нейронных сетей.doc
Крисилов В.А. Чумичкин К.В. Ускорение обучения нейронных сетей за счет адаптивного упрощения обучающей выборки.pdf
Крислов В.А. Представление исходных данных в задачах нейросетевого прогнозирования.pdf
Круглов В.В. Нечеткая логика и искуственные нейроные сети.djvu
Круглов, Борисов - Искусственные нейронные сети. Теория и практика, 2002.djvu
Круглов, Борисов - Искусственные нейронные сети. Теория и практика, 2002.txt
Лю Б. Теория и практика неопределенного программирования 2005.djvu
Мак-Каллок У., Питтс В. Логическое исчисление идей, относящихся к нервной активности.pdf
Маркел Дж.Д. Линейное предсказание речи. 1980.djvu
Миркес Е.М. Нейрокомпьютер. Проект стандарта. 1998.pdf
Набхан Т.Н. Зомая А. О проблемах создания нейросетевых структур для оптимизации функционирования.pdf
Напалков А. В., Прагина Л. Л. - Мозг человека и искусственный интеллект.docx
Олешко Д.Н. Повышение качества и скорости обучения нейронных сетей в задаче прогнозирования поведения временных рядов.doc
Олешко Д.Н. Повышение качества и скорости обучения нейроных сетей.doc
Островский С. Нейронные сети для обработки информации 2000.djvu
Питенко А.А. Использование нейросетевых технологий при решении аналитических задач в ГИС.pdf
Сенашова М.Ю. Погрешности нейронных сетей. Вычисление погрешностей весов синапсов. 1998.pdf
Субботин С.А. Нейрокибернетика в СССР-СНГ - Аналитических обзор изобретений и патентов.pdf
Тарасенко Р.А. Выбор размера описания ситуации при формировании обучаюей выборки для нейронных сетей в задачах прогнозирования временных рядов.doc
Тарасенко Р.А. Предварительая оценка качества обучающей выборки для нейроных сетей в адачах прогнозирования временных рядов.doc
Терехов С.А. Технологические аспекты обучения нейросетевых машин. 2006.pdf
Тюменцев Ю.В. Интеллектуальные автономные системы - вызов информационным технологиям.pdf
Уоссермен Ф. Нейрокомпьютерная техника.doc
Уоссермен Ф. Нейрокомпьютерная техника. Теория и практика.doc
Хайкин С. Нейронные сети - полный курс.djvu
Царегородцев В.Г. Производство полуэмпирических знаний из таблиц данных с помощью обучаемых искусственных нейронных сетей.pdf
По ЦОС:
Arndt J. Algorithms for programmers ideas and source code.pdf
Les Thede Practical Analog and Digital Filter Design. 2004.pdf
O'Leary 2002 DSP directory.pdf
Paillard B. An Introduction To Digital Signal Processors. 2002.pdf
Rorabauch, Britton Digital Filter Designer`s Handbook. 1989.pdf
Stranneby, Dag. Digital Signal Processing DSP and Applications. 2001.pdf
Айфичер Э. Джервис Б. Цифровая обработка сигналов. Практический подход. 2004.djvu
Анохина А.М. Цифровая обработка сигналов в измерительных системах физического эксперимента. Расчет фильтров.pdf
Антонью А. Цифровые фильтры. Анализ и проектирование. 1983.djvu
Арутюнов П.А. Теория и применение алгоритмических измерений.1990.djvu
Белодедов М.В. Методы проектирования цифровых фильтров. 2004.pdf
Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. 1989.djvu
Богнер Р. Константинидис А. Введение в цифровую фильтрацию. 1976.djvu
Брейсуэлл Р. Преобразование Хартли. Теория и практика. 1990.djvu
Винокуров А. Алгоритм шифрования ГОСТ 28147-89 его использование и реализация для компьютеров платформы Intel x86.djvu
Воробьев В.И. Грибунин В.Г. Теория и практика вейвлет преобразования. 1999.djvu
Голд Б. Цифровая обработка сигналов. 1973.djvu
Гольденберг Л.М. Цифровая обработка сигналов. 1990.djvu
Гутников В.С. Фильтрация измерительных сигналов. 1990.djvu
Давыдов А.В. ЦИФРОВАЯ ОБРАБОТКА СИГНАЛОВ.docx
Давыдов А.В. ЦИФРОВАЯ ОБРАБОТКА СИГНАЛОВ.pdf
Дахнович А.А.pdf
Денисенко А.Н. Сигналы. Теоретическая радиотехника.djvu
Залманзон Л.А. Преобразования Фурье, Уолша, Хаара. Часть 1.djvu
Залманзон Л.А. Преобразования Фурье, Уолша, Хаара. Часть 2.djvu
Залманзон Л.А. Преобразования Фурье, Уолша, Хаара. Часть 3.djvu
Зверев В.А. Стромков А.А. Выделение сигналов из помех численными методами 2001.djvu
Кей С.М. Современные методы спектрального анализа.djvu
Колос М.В. Методы оптимальной цифровой фильтрации. 2000.pdf
Комаров А.В. Цифровые сигнальные процессоры. 2003.doc
Крисилов В.А. Побережник С.М. Аппроксимация сложных зависимостей структурно-гибкими полиномиальными и гармоническими рядами.pdf
Крисилов В.А. Проблемы ложной компактности в дискретном пространстве признаков в задачах таксономии.pdf
Куо Б.Теория и проектирование цифровых систем управления. 1986.djvu
Лазарев С. Быстрое преобразование Фурье для обработки сигналов в устройствах автоматизации.pdf
Лебедев А.Н. Методы цифрового моделирования. 1988.pdf
Лукин А. Введение в цифровую обработку сигналов. 2002.djvu
Нуссбаумер Г. Быстрое преобразование Фурье и алгоритмы вычисления сверток. 1985.djvu
Олссон Г. Цифровые системы автоматизации и управления. Часть 1. 2001.djvu
Олссон Г. Цифровые системы автоматизации и управления. Часть 2. 2001.djvu
Оппенгейм А.В. Цифровая обработка сигналов. 1979.djvu
Остапенко А.Г. Рекурсивные фильтры на микропроцессорах. 1988.djvu
Рабинер Л. Гоулд Б. Теория и применение цифровой обработки сигналов. 1978.djvu
Рабинер Л.Р. Шафер Р.В. Цифровая обработка речевых сигналов. 1981.pdf
Радиотехника №03 2000_00.djvu
Рекомендации ITU G721rus.djvu
Рекомендации ITU G726 и G727 Сравнение алгоритмов АДИКМ.djvu
Рекомендации ITU G726 Приложение A.djvu
Рекомендации ITU G727.djvu
Рекомендации ITU G727 Приложение А.djvu
Робинсон Э.А. История развития теории спектрального оценивания. 1982.djvu
Россиев А.А. Моделирование данных при помощи кривых для восстановления пробелов в таблицах.pdf
Сато Ю. Обработка сигналов.djvu
Сергиенко А.Б. Цифровая обработка сигналов. 2003.djvu
Сиберт У.М. Цепи, сигналы, системы. Часть 1. 1988.djvu
Сиберт У.М. Цепи, сигналы, системы. Часть 2. 1988.djvu
Сизиков В.С. Устойчивые методы обработки результатов измерений 1999.pdf
Синклер Ян. Введение в цифровую звукотехнику. 1990.djvu
Солонина А. Улахович Д. Алгоритмы и процессоры цифровой обработки сигналов. 2002.djvu
Солонина А.И. Основы цифровой обработки сигналов. 2005.djvu
Степанов А.В. Методы компьютерной обработки сигналов систем радиосвязи.doc
Трахтман А.М. Основы теории дискретных сигналов на конечных интервалах. 1975.djvu
Уидроу Б. Адаптивная обработка сигналов. 1989.djvu
Уолт Кестер Цифровая обработка сигналов. Analog Devices.pdf
Финк Л.М. Сигналы, помехи, ошибки. Часть 1. 1984.djvu
Финк Л.М. Сигналы, помехи, ошибки. Часть 2. 1984.djvu
Финк Л.М. Теория передачи дискретных сообщений Часть 1 1970.djvu
Финк Л.М. Теория передачи дискретных сообщений Часть 2 1970.djvu
Фланаган Д.Л. Анализ, синтез и восприятие речи. 1968.djvu
Френкс Л. Теория сигналов. 1974.djvu
Харкевич А.А. Борьба с помехами. 1965.djvu
Хемминг Р.В. Цифровые фильтры. 1980.djvu
Хуанг Т.С. Быстрые алгоритмы в цифровой обработке изображений 1984.djvu
щатилов В. Перспективы применения новых решений Analog Devaces в современных цифровых системах связи.pdf
Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии.djvu
Если кому надо могу залить на общедоступный какойнибудь ftp сервер
¿Puedes hacerlo en Narod?
На Narod можеш?Sólo describe lo que hay que hacer y cómo hacerlo. Lo rellenaré cuando termine y te lo haré saber.