Практикум по нейронным сетям (850,00 руб.)

Стр.1

Стр.2

Стр.3

Стр.4

1919 ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «ФИНАНСОВЫЙ УНИВЕРСИТЕТ ПРИ ПРАВИТЕЛЬСТВЕ РОССИЙСКОЙ ФЕДЕРАЦИИ» (ФИНАНСОВЫЙ УНИВЕРСИТЕТ) В.А. Иванюк ПО НЕЙРОННЫМ СЕТЯМ Учебное пособие ПРАКТИКУМ МОСКВА 2024

Стр.1

УДК 51 ББК 22.1 И23 Золотова Т.В., доктор физ.-мат. наук, профессор ДепарРецензенты: тамента анализа данных и машинного обучения Финансового Университета; Самойлова И.А., к.э.н., кафедра «Высшая математика» МГТУ им. Н.Э. Баумана. И23 Иванюк В.А. Практикум по нейронным сетям: Учебное пособие / В.А. Иванюк. — М.: Прометей, 2024. — 230 с. ISBN 978-5-00172-601-2 В учебном пособии рассматриваются математические основы нейронных сетей, описываются методы оптимизации. Описаны типовые задачи, решаемые нейронными сетями, такие как задачи классификации и регрессии. Также рассматриваются методы машинного обучения. Учебное пособие может быть полезно практикам, студентам и аналитикам, изучающим нейронные сети. ISBN 978-5-00172-601-2 © Иванюк В.А., 2024 © Издательство «Прометей», 2024

Стр.2

ОГЛАВЛЕНИЕ ГЛАВА 1. НЕЙРОНЫ И ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ ....................................................................5 1.1. Модель искусственного нейрона ............................... 5 1.2. Топология нейронных сетей ...................................10 1.3. Методы обучения нейронной сети ............................17 ГЛАВА 2. МЕТОДЫ ОПТИМИЗАЦИИ НЕЙРОННОЙ СЕТИ ............................................................................................22 2.1. Дельта-правило ....................................................22 2.2. Метод обратного распространения ошибки ...............29 2.3. Метод Ньютона .....................................................46 ГЛАВА 3. ПРАКТИКУМ В EXCEL............................................50 3.1. Аналитические нейронные сети ..............................50 3.2. Введение в прогнозирование на основе нейронных сетей ...................................................................57 ГЛАВА 4. ТИПОВЫЕ ЗАДАЧИ, РЕШАЕМЫЕ НЕЙРОННЫМИ СЕТЯМИ .........................................................65 4.1. История и классификация нейронных сетей .............66 4.2. Применение нейронных сетей в задачах прогнозирования ....................................72 4.3. Применение нейронных сетей в задачах классификации ..................................... 102 4.4. Распознавание эмоций в тексте на основе нейронных сетей ................................................. 112 3

Стр.3

ГЛАВА 5. МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ .................122 5.1. Аналитические ресурсы языка Python ................... 122 5.2. Практикум по методам машинного обучения от простого к сложному ....................................... 158 СПИСОК ЛИТЕРАТУРЫ .........................................................228

Стр.4