|
|
|
|
| LEADER |
03789nam a2200265uu 4500 |
| 005 |
20141022170046.0 |
| 008 |
s1998 ci |||||||||| ||hrv|d |
| 020 |
|
|
|a 9536313170
|
| 035 |
|
|
|a HR-ZaFER 32628
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 041 |
|
|
|a hrv
|
| 080 |
|
|
|a 007.52
|
| 100 |
1 |
|
|9 13968
|a Novaković, Branko
|
| 245 |
|
|
|a Umjetne neuronske mreže /
|
| 250 |
|
|
|a 1. izd.
|
| 260 |
|
|
|a Zagreb :
|b Fakultet strojarstva i brodogradnje sveučilišta,
|c 1998.
|
| 300 |
|
|
|a XII, 240 str. ;
|c 24 cm.
|
| 490 |
|
|
|a Udžbenici Sveučilišta u Zagrebu = Manualia Universitatis studiorum Zagrebiensis / Fakultet strojarstva i brodogradnje sveučilišta.
|
| 505 |
0 |
0 |
|t Što su umjetne neuronske mreže. Biološki neuron. Sličnosti i razlike mozga i kompjutora. Umjetni neuron. Vrste umjetnih neuronskih mreža. Kako uče umjetne neuronske mreže. Implementacija i primjena umjetnih neuronskih mreža. Trend razvoja neuronskih mreža i umjetne inteligencije.
|t Osnove unaprijednih (statičkih) neuronskih mreža. Perceptron. Delta pravilo. Problem linearno neseparabilnih uzoraka. Višeslojne neuronske mreže. Učenje povratnim rasprostiranjem greške. Neke značajke umjetnih neuronskih mreža.
|t Neuronske mreže s radijalnim baznim funkcijama. Učenje kao aproksimacija hiperravnine. Interpolacija i aproksimacija. Interpolacija radijalnim baznim funkcijama. Aproksimacija radijalnim baznim funkcijama. Prikaz radijalnih baznih funkcija (RBF) u obliku mreža. Primjeri interpolacije i aproksimacije RBF mrežama. Prošireni model RBF mreža. RBF mreže s većim brojem izlaznih neurona. Usporedba RBF i višeslojnih perceptronskih mreža. Postupci učenja parametara RBF mreža.
|t Modificirani model RBF neuronskih mreža. Učenje modificiranog modela RBF mreža. Podešavanje parametara skrivenog sloja. Računanje težina izlaznog sloja. Algoritam učenja i klasifikacija. Problem singularnih kovarijantnih matrica. Usporedba s Bayesovim klasifikatorom.
|t Primjeri klasifikacije RBF mrežama. Krug u kvadratu. IRIS primjer. Primjer s uzorcima definiranim kontinuiranim funkcijama. Raspoznavanje velikih pisanih slova. Raspoznavanje različitih tekstura.
|t Dinamičke (povratne) neuronske mreže. Grossbergovo i Hebbovo pravilo učenja. Kohonenove neuronske mreže. Hopfieldove neuronske mreže. Model dinamičkog neurona. Model dinamičke neuronske mreže. Postupak učenja dinamičke mreže. Ocjena uspješnosti algoritma učenja.
|t Primjeri primjene statičke i dinamičke neuronske mreže. Predviđanje ponašanja nelinearnog kaotičnog sustava. Identifikacija linearnog dinamičkog sustava statičkom i dinamičkom neuronskom mrežom. Identifikacija nelinearnog dinamičkog sustava statičkom i dinamičkom neuronskom mrežom. Identifikacija procesa u laboratorijskom modelu grijalice zraka. Dinamička neuronska mreža za nelinearno adaptivno vođenje robota.
|t Ostale neuronske mreže. Suprotno propagirane neuronske mreže. Statističke metode učenja neuronskih mreža. Heteroasocijativne memorije. Neuronske mreže i adaptivna rezonancna teorija. Optičke neuronske mreže. Kognitorske i neokognitorske neuronske mreže.
|t Generalizacija modela neuronskih mreža. Motivacije za razvoj općeg modela neuronske mreže. Opći model neuronske mreže. Model unaprijedne mreže za univerzalnu logičku jedinicu. Unaprijedna neuronska mreža za adaptivno vođenje robota. Sinteza povratne neuronske mreže preko matrice interakcija V. Model povratne neuronske mreže za univerzalnu logičku jedinicu. Adaptacija povratne neuronske mreže. Kombinacija unaprijedne i povratne mreže.
|
| 700 |
|
|
|9 8092
|a Majetić, Dubravko
|4 aut
|
| 700 |
|
|
|9 29846
|a Široki, Mladen
|4 aut
|
| 700 |
|
|
|9 29847
|a Filetin, Tomislav
|4 edt
|
| 942 |
|
|
|c K
|2 udc
|
| 990 |
|
|
|a 30468
|
| 999 |
|
|
|c 28253
|d 28253
|
