Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Voici une autre coupure du manuel.
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?
Quel est le rapport avec un perceptron linéaire ? Un MLP, ou perceptron multicouche, ou en russe, un perceptron multicouche, divise tout espace complexe en classes. La différence est le professeur, PNN est une tâche de classification, MLP est une tâche d'approximation pour la plupart. Cette tâche, nous l'appelons la grille.
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.
Sur labase de votre logique, à quelle classe classeriez-vous unréseau de neuronesconvolutifs ? Je pourrais facilement utiliser un MLP pour la classification probabiliste, mais il ne s'agirait pas d'un réseau PNN.
Il y a eu une discussion animée à propos de PNN (https://forum.mql4.com/ru/9502) à l'époque où Batter a gagné le concours, je vous recommande de vous y intéresser.
Tout d'abord, le PNN présente des différences architecturales, c'est-à-dire la manière dont les neurones sont connectés les uns aux autres, les couches cachées et de sortie ne sont pas entièrement connectées.
Je recommande de trouver et de lire deux articles de Donald Specht : Probabilistic Neural Networks for Classification and Mapping ou Associative Memory and Probabilistic Neural Networks.
L'un des articles traite du PNN dans l'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.
Alors, qu'est-ce que tu voulais dire exactement avec ton post ? Est-ce que le MLP ne peut pas résoudre les problèmes PNN ? Ou que le PNN n'est pas adapté aux tâches des MLP ?
Si ce n'est pas le cas, il est inutile de produire des concepts qui portent tous sur la même chose - la transformation non linéaire.
Ou peut-être que vous voulez dire qu'ils ont une matrice différente, dans quelle différence fondamentale spécifique, s'il vous plaît illustrer par des exemples spécifiques, sans se référer au wiki et de lire des articles, des livres seront mesurés ou quoi ?
Architecture d'un réseau PNN/GRNN
En 1990, Donald F. Specht a proposé une méthode permettant de formuler la méthode des voisins pondérés décrite ci-dessus sous la forme d'un réseau neuronal. Il a appelé cela un"réseau neuronal probabiliste". Voici un diagramme d'un réseau PNN/GRNN :
Tous les réseaux PNN/GRNN comportent quatre couches :
Pour les réseaux GRNN, il n'y a que deux neurones dans la couche de motifs, l'un étant l'unité de sommation du dénominateur et l'autre l'unité de sommation du numérateur. L'unité de sommation du dénominateur additionne les valeurs de poids provenant de chacun des neurones cachés. L'unité de sommation du numérateur additionne les valeurs des poids multipliées par la valeur cible réelle pour chaque neurone caché.
Pour les réseaux GRNN, la couche de décision divise la valeur accumulée dans l'unité de sommation du numérateur par la valeur dans l'unité de sommation du dénominateur et utilise le résultat comme valeur cible prédite.
Et quelles sont les principales différences avec MLP ?
Chaque auteur produit des concepts ; leur but n'est pas de promouvoir la science, mais de gagner de l'argent sur les livres et les articles, de même que les "stock writers".
PS Les différents auteurs sur les NN divergent parfois sur les mêmes concepts et définitions, il est donc inutile de se référer à certains d'entre eux pour clarifier les termes.
PPS Ce qui est important, c'est de comprendre comment un neurone fonctionne par transformation non linéaire. C'est tout, rien d'autre n'est nécessaire.
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 première et principale différence est la façon dont les sorties du réseau sont interprétées et comment cette interprétation est rendue non ambiguë (relative).
Dans le cas du PNN, le réseau est conçu pour classer/classer des données, il n'est donc pas entièrement maillé, alors que le MLP l'est.
Une autre différence est que le PNN peut utiliser différentes fonctions d'activation pour les différentes couches, par exemple, pour la couche de sortie, une fonction de base radiale est utilisée,
alors que la LPM utilise traditionnellement la même fonction d'activation pour toutes les couches.
Le PNN peut résoudre les problèmes de MPL, mais il ne s'agira plus d'un PNN, mais d'une variation basée sur une architecture non complète, et inversement.
En ce qui concerne la transformation non linéaire, oui je suis d'accord, toute NS est une transformation non linéaire (ou linéaire, le perseptron monocouche est aussi une NS) et il est important de comprendre comment cela fonctionne,
Mais vous omettez un autre fait, le NS tient compte de l'architecture interne des connexions - vous oubliez que l'appareil mathématique est basé sur un prototype biologique et qu'un cognitron, par exemple, est le plus proche de son
mise en œuvre.
L'auteur du fil s'est intéressé à l'appareil mathématique, aux articles et aux premières sources qui le révèlent le mieux. :) Et les caractéristiques distinctives que je vous ai données tout de suite - l'architecture. Et ce n'est pas le désir des auteurs
Pour "laisser sa marque dans l'art", tout est plus simple et plus compliqué - il faut une règle d'interprétation non ambiguë des résultats, avec des données d'entrée différentes (données provenant de différents domaines d'application).
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) C'est ce que j'ai dit, il s'agit de l'enseignant.
2) Hmm, qui interdit d'utiliser une f-force d'activation différente pour chaque neurone du réseau en MLP ? Ou plutôt, le facteur de courbure dans l'activation f-i, puisqu'il (l'activation f-i) est le même pour tous les réseaux et tous les neurones, sa forme peut varier d'un pas logique, en forme de s, à une droite linéaire.
,
10 est le coefficient de courbure.
3) Eh bien, si c'est le cas, il n'y a pas besoin d'en faire tout un plat.
4) Il ne contredit pas ce que j'ai dit.
5) Vous suivez aveuglément les autorités livresques et ne faites pas de recherche vous-même ? Vous ne devriez pas. L'imagination est ici illimitée, et si vous suivez les concepts des livres, souvent contradictoires, vous risquez fort de passer à côté de choses très importantes..... hmm, tu rates beaucoup de choses.
En général, appelez-le comme vous voulez, l'essence de la transformation non linéaire d'un neurone ne changera pas.
Bonne chance !
joo писал(а) >>
On va avoir une bataille de livres ou quoi ?
Liste des fichiers de ma bibliothèque
Sur les réseaux :
Une étude de cas sur l'utilisation des réseaux neuronaux pour effectuer des opérations techniques.pdf
Patrons et probabilités du Forex.pdf
Gorban A.N. Neuroinformatique. Que sommes-nous, où allons-nous, comment mesurer notre chemin.pdf
Haykin S. Filtrage de Kalman et réseaux neuronaux.djvu
IskusstvennyeNeironnyeSeti.TeoriyaIPraktika_cover.jpeg
Jonsson F. Markus. Recherche de véhicules sur des cartes numérisées de terrain réel. Partie 1.doc
Jonsson F. Markus. Trouver le chemin optimal pour les véhicules sur des cartes numérisées du terrain réel. Partie 2.doc
Krose B. Une introduction aux réseaux neuronaux. 1996.djvu
Long, Parks Modélisation des réseaux neuronaux.djvu
Modélisation et trading EURUSD.pdf
Manuel du prédicteur de tendances par réseaux neuronaux.pdf
rbfkalman.pdf
ToshibaNeuronChip.pdf (en anglais)
Utilisation des réseaux neuronaux récurrents pour la prévision du Forex.pdf
Barskyi A.B. Neural Networks Recognition, Control, Decision Making. 2004.pdf
Berkinblit M.B. Réseaux neuronaux 1993.djvu
Bastens D. Réseaux neuronaux et marchés financiers. La prise de décision dans le commerce.djvu
Vapnik V.N. Reconstruction de la dépendance à partir de données empiriques. 1997.djvu
Voronovsky G.K. Algorithmes génétiques, réseaux neuronaux artificiels et problèmes de réalité virtuelle. pdf
Galushkin A.I. Théorie des réseaux neuronaux. Volume 1 2000.djvu
Goldstein B.S. Intelligent Networks. 2000.djvu
Gorban A.N. Théorème d'approximation généralisée et capacités de calcul des réseaux neuronaux.pdf
Gorbunova E.O. Universalité algorithmique de la machine cinétique de Kirdin.pdf
Gorbunova E.O. Methods of neuroinformatics. Finitude et déterminité de programmes simples pour la machine cinétique de Kirdin.pdf
Jane Anil K. Introduction aux réseaux neuronaux artificiels.pdf
Dorrer M.G. Prédiction intuitive des relations de groupe par les réseaux neuronaux.pdf
Dorrer M.G. Methods of neuroinformatics. Approximation de fonctions multidimensionnelles par un prédicteur semi-couche avec transducteurs arbitraires.pdf
Dubrovich V.I. Subbotin S.A. Algorithme d'apprentissage accéléré des perseptrons.pdf
Ezhov A. Shumsky S. Neurocomputing and its applications in economics and business.djvu
Zhukov L.A. Using neural-network technologies for educational research work.pdf (en anglais)
Zaentsev I.V. Neural networks basic models. 1999.pdf
Zakharov V.N. Khoroshevsky V.F. Artificial Intelligence. Volume 3. Logiciels et matériels 1990.djvu
Callan R. Basic concepts of neural networks.djvu
Kgur P.G. Réseaux neuronaux et neuro-ordinateurs.pdf
Komashinsky V.I. Les réseaux neuronaux et leur application dans les systèmes de contrôle et de communication 2003.pdf
Korotky S. Réseaux de neurones Hopfield et Hamming.pdf
Korotky S. Réseaux neuronaux. Algorithme de rétropropagation.pdf
Korotky S. Neural Networks. Apprendre sans professeur.pdf
Korotky S. Réseaux neuronaux. Concepts de base.pdf
Krisilov V.A. Kondartiuk A.V. Conversion des données d'entrée des réseaux neuronaux pour améliorer la capacité de discrimination.pdf
Krisilov V.A. Oleshko D.N. Méthodes d'accélération de la formation des réseaux neuronaux.doc
Krisilov, V.A., Chumichkin, K.V. Acceleration of Neural Network Learning by Adaptive Simplification of Learning Samples.
Krisilov V.A. Présentation des données initiales dans les tâches de prévision par réseau neuronal.pdf
Kruglov V.V. Logique floue et réseaux neuronaux artificiels.djvu
Kruglov, Borisov - Réseaux neuronaux artificiels. Théorie et pratique, 2002.djvu
Kruglov, Borisov - Réseaux neuronaux artificiels. Théorie et pratique, 2002.txt
Liu B. Théorie et pratique de la programmation indéfinie, 2005.djvu
McCulloch W., Pitts W. Calcul logique des idées relatives à l'activité neuronale.pdf
Markel J.D. Linear speech prediction. 1980.djvu
Mirkes E.M. Neurocomputer. Projet de norme. 1998.pdf
Nabhan T.N. Zomaya A. Sur les problèmes de création de structures de réseaux neuronaux pour l'optimisation des performances.pdf
Napalkov A. V., Pragina L. L. - Le cerveau humain et l'intelligence artificielle.docx
Oleshko D.N. Augmentation de la qualité et de la vitesse de formation des réseaux neuronaux dans une tâche de prévision du comportement des séries temporelles.doc
Oleshko D.N. Augmenter la qualité et la vitesse d'apprentissage des réseaux neuronaux.doc
Ostrovsky S. Neural Networks for Information Processing 2000.djvu
Pitenko A.A. Using Neural Network Technologies to Solve Analytical Problems in GIS.pdf (en anglais)
Senashova M.Y. Erreurs des réseaux neuronaux. Calcul des erreurs dans les poids synaptiques. 1998.pdf
Subbotin S.A. Neurocybernetics in the USSR-CIS - Analyses of Inventions and Patents.pdf (en anglais)
Tarasenko R.A. Choix de la taille de la description d'une situation lors de la formation de l'échantillon de formation pour les réseaux neuronaux dans les tâches de prévision des séries chronologiques.doc
Tarasenko R.A. Preliminary estimation of the training selection quality for neural networks in tasks of time series forecasting.doc
Terekhov S.A. Aspects technologiques de l'apprentissage automatique par réseaux neuronaux. 2006.pdf
Tyumentsev Yu.V. Intelligent Autonomous Systems - a Challenge for Information Technologies.pdf (en anglais)
Wosserman, F. Ingénierie neuro-informatique.doc
Wosserman, F. Neurocomputer engineering. Théorie et pratique.doc
Haikin S. Réseaux neuronaux - cours complet.djvu
Tsaregorodtsev V.G. Production de connaissances semi-empiriques à partir de tableaux de données au moyen de réseaux neuronaux artificiels entraînables.pdf
Sur DSP :
Arndt J. Algorithmes pour les programmeurs : idées et code source.pdf
Les Thede Practical Analog and Digital Filter Design. 2004.pdf
O'Leary 2002 Répertoire DSP.pdf
Paillard B. Introduction aux processeurs de signaux numériques. 2002.pdf
Rorabauch, Britton Digital Filter Designer`s Handbook. 1989.pdf
Stranneby, Dag. Traitement des signaux numériques DSP et applications. 2001.pdf
Eificher E. Jervis B. Digital Signal Processing. Une approche pratique. 2004.djvu
Anokhina A.M. Digital processing of signals in measuring systems of physical experiment. Calcul des filtres.pdf
Antonyu A. Filtres numériques. Analyse et conception. 1983.djvu
Arutyunov P.A. Théorie et application des mesures algorithmiques.1990.djvu
Belodedov M.V. Design methods for digital filters. 2004.pdf
Bleihut R. Fast algorithms for digital signal processing. 1989.djvu
Bogner, R. Konstantinidis, A. Introduction au filtrage numérique. 1976.djvu
Bracewell R. The Hartley Transform. Théorie et pratique. 1990.djvu
Vinokurov A. GOST 28147-89 algorithme de cryptage son utilisation et sa réalisation pour les ordinateurs de la plate-forme Intel x86.djvu
Vorobyev V.I. Gribunin V.G. Théorie et pratique de la transformation en ondelettes. 1999.djvu
Gold, B. Digital Signal Processing. 1973.djvu
Goldenberg L.M. Digital Signal Processing. 1990.djvu
Gutnikov V.S. Filtrage des signaux de mesure. 1990.djvu
Davidov A.V. Digital Signal Processing.docx
Davidov A.V. DIGITAL SIGNAL PROCESSING.pdf
Dakhnovich A.A.pdf
Denisenko A.N. Signaux. Ingénierie radio théorique.djvu
Zalmanzon L.A. Transformations de Fourier, Walsh et Haar. Part 1.djvu
Zalmanzon L.A. Transformations de Fourier, Walsh, Haar. Part 2.djvu
Zalmanzon L.A. Transformations de Fourier, Walsh, Haar. Part 3.djvu
Zverev V.A. Stromkov A.A. Extraction de signaux du bruit par des méthodes numériques 2001.djvu
Kay, S.M. Méthodes modernes d'analyse spectrale.djvu
Kolos M.V. Méthodes optimales de filtrage numérique. 2000.pdf
Komarov A.V. Processeurs de signaux numériques. 2003.doc
Krisilov V.A. Poberezhnik S.M. Approximation des dépendances complexes par des séries polynomiales et harmoniques à structure flexible.pdf
Krisilov V.A. False compactness problems in discrete feature space in taxonomy tasks. pdf (en anglais)
Kuo B. Theory and design of digital control systems. 1986.djvu
Lazarev, S. Transformée de Fourier rapide pour le traitement du signal dans les dispositifs d'automatisation.pdf
Lebedev A.N. Méthodes de modélisation numérique. 1988.pdf
Lukin A. Introduction au traitement des signaux numériques. 2002.djvu
Nussbaumer G. Fast Fourier Transform and convolution algorithms. 1985.djvu
Olsson G. Digital Automation and Control Systems. Partie 1. 2001.djvu
Olsson G. Digital Automation and Control Systems. Partie 2. 2001.djvu
Oppenheim A.V. Digital Signal Processing. 1979.djvu
Ostapenko A.G. Filtres récursifs sur microprocesseurs. 1988.djvu
Rabiner L. Gould B. Théorie et application du traitement des signaux numériques. 1978.djvu
Rabiner L.R. Shafer R.V. Digital Signal Processing. 1981.pdf
Radiotekhnika ¹03 2000_00.djvu
Recommandation UIT G721rus.djvu
Comparaison des algorithmes ADICM des Recommandations UIT G726 et G727.djvu
Recommandation UIT G726 Annexe A.djvu
Recommandations de l'UIT G727.djvu
Recommandations de l'UIT G727 Appendice A.djvu
Robinson E.A. Histoire du développement de la théorie de l'estimation spectrale. 1982.djvu
Rossiev A.A. Modélisation des données des courbes pour la récupération des écarts dans les tableaux.pdf
Sato Y. Signal Processing.djvu
Sergienko A.B. Digital signal processing. 2003.djvu
Sibert, W.M. Circuits, signaux, systèmes. Partie 1. 1988.djvu
Sibert, U.M. Circuits, signaux, systèmes. Partie 2. 1988.djvu
Sizikov V.S. Méthodes stables de traitement des résultats de mesure 1999.pdf
Sinclair, Jan. Introduction à l'ingénierie audio numérique. 1990.djvu
Solonina A. Ulakhovich D. Algorithmes et processeurs du traitement numérique du signal. 2002.djvu
Solonina A.I. Fundamentals of digital signal processing. 2005.djvu
Stepanov A.V. Méthodes de traitement informatique des signaux des systèmes de radiocommunication.doc
Trachtman A.M. Fundamentals of discrete signals theory on finite intervals. 1975.djvu
Widrow B. Traitement adaptatif du signal. 1989.djvu
Walt Kester Traitement des signaux numériques. Analog Devices.pdf
Fink L.M. Signaux, interférences, erreurs. Partie 1. 1984.djvu
Fink, L.M. Signaux, interférences, erreurs. Partie 2. 1984.djvu
Fink L.M. Theory of Discrete Message Transmission Part 1 1970.djvu
Fink L.M. Theory of Discrete Message Transmission Part 2 1970.djvu
Flanagan D.L. Analyse, synthèse et perception de la parole. 1968.djvu
Franks L. Théorie du signal. 1974.djvu
Harkevich A.A. Struggle with Interference. 1965.djvu
Hemming, R.W. Digital Filters. 1980.djvu
Huang T.S. Fast algorithms in digital image processing 1984.djvu
Shchatilov V. Prospects of New Analog Devaces Solutions Application in Modern Digital Communication Systems.pdf (en anglais)
Yaroslavsky L.P. Traitement des signaux numériques en optique et holographie.djvu
Si quelqu'un a besoin, je peux télécharger sur n'importe quel serveur 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
Tu peux l'avoir sur Narod ?
На Narod можеш?Il suffit de décrire ce qu'il faut faire et comment le faire. Je le remplirai quand j'aurai fini et je vous le ferai savoir.