6 Р90 Рутковский, Лешек. Методы и технологии искусственного интеллекта [Текст] / Л. Рутковский ; пер. с польск. И. Д. Рудинского. - М. : Горячая линия - Телеком, 2010. - 520 с. : ил. - ISBN 978-5-9912-0105-6 : 672.98 р. Содержание: Предисловие . - С .5 Предисловие к российскому изданию . - С .8 1. ВВЕДЕНИЕ . - С .10 2. ИЗБРАННЫЕ ЗАДАЧИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА . - С .15 2.1. Введение . - С .15 2.2. История искусственного интеллекта . - С .16 2.3. Экспертные системы . - С .18 2.4. Роботика . - С .19 2.5. Преобразование речи и естественного языка . - С .22 2.6. Эвристики и поисковые стратегии . - С .24 2.7. Когнитивистика . - С .26 2.8. Интеллект муравьев . - С .27 2.9. Искусственная жизнь . - С .29 2.10. Боты . - С .31 2.11. Перспективы развития искусственного интеллекта . - С .32 2.12. Примечания . - С .34 3. МЕТОДЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ С ИСПОЛЬЗОВАНИЕМ ПРИБЛИЖЕННЫХ МНОЖЕСТВ . - С .35 3.1. Введение . - С .35 3.2. Основные понятия . - С .37 3.3. Аппроксимация множества . - С .45 3.4. Аппроксимация семейства множеств . - С .54 3.5. Анализ таблиц решений . - С .57 3.6. Использование программы LERS . - С .65 3.7. Примечания . - С .72 4. МЕТОДЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ С ИСПОЛЬЗОВАНИЕМ НЕЧЕТКИХ МНОЖЕСТВ ТИПА 1 . - С .73 4.1. Введение . - С .73 4.2. Основные понятия и определения теории нечетких множеств . - С .73 4.3. Операции на нечетких множествах . - С .87 4.4. Принцип обобщения . - С .95 4.5. Нечеткие числа . - С .99 4.6. Треугольные нормы и отрицания . - С .108 4.7. Нечеткие отношения и их свойства . - С .120 4.8. Нечеткий вывод . - С .126 4.9. Системы нечеткого вывода . - С .136 4.10. Применение нечетких множеств . - С .148 4.11. Примечания . - С .170 5. МЕТОДЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ С ИСПОЛЬЗОВАНИЕМ НЕЧЕТКИХ МНОЖЕСТВ ТИПА 2 . - С .171 5.1. Введение . - С .171 5.2. Основные определения . - С .172 5.3. След неопределенности . - С .175 5.4. Выделенные нечеткие множества . - С .178 5.5. Основные операции на нечетких множествах типа 2 . - С .180 5.6. Нечеткие отношения типа 2 . - С .185 5.7. Понижение типа . - С .188 5.8. Системы нечеткого вывода типа 2 . - С .193 5.9. Примечания . - С .201 6. НЕЙРОННЫЕ СЕТИ И АЛГОРИТМЫ ИХ ОБУЧЕНИЯ . - С .202 6.1. Введение . - С .202 6.2. Нейрон и его модели . - С .203 6.3. Однонаправленные многослойные сети . - С .223 6.4. Рекуррентные сети . - С .247 6.5. Сети с самоорганизацией и конкуренцией . - С .254 6.6. Сети типа ART . - С .264 6.7. Радиальные сети . - С .269 6.8. Вероятностные нейронные сети . - С .275 6.9. Примечания . - С .278 7. ЭВОЛЮЦИОННЫЕ АЛГОРИТМЫ . - С .279 7.1. Введение . - С .279 7.2. Задачи оптимизации и эволюционные алгоритмы . - С .280 7.3. Виды алгоритмов, относимых к эволюционным . - С .281 7.4. Особые технологии в эволюционных алгоритмах . - С .326 7.5. Применение эволюционных алгоритмов для проектирования нейронных сетей . - С .339 7.6. Эволюционные алгоритмы и нечеткие системы . - С .348 7.7. Примечания . - С .359 8. МЕТОДЫ ГРУППИРОВАНИЯ ДАННЫХ . - С .363 8.1. Введение . - С .363 8.2. Четкие и нечеткие декомпозиции . - С .365 8.3. Меры удаленности . - С .368 8.4. Алгоритм НСМ . - С .371 8.5. Алгоритм FCM . - С .372 8.6. Алгоритм РСМ . - С .374 8.7. Алгоритм Густафсона-Кесселя . - С .375 8.8. Алгоритм FMLE . - С .377 8.9. Критерии качества группирования . - С .379 8.10. Иллюстрация функционирования алгоритмов группирования данных . - С .380 8.11. Примечания . - С .382 9. НЕЙРО-НЕЧЕТКИЕ СИСТЕМЫ ТИПА МАМДАНИ, ТАКАГИ-СУГЕНО И ЛОГИЧЕСКОГО ТИПА . - С .383 9.1. Введение . - С .383 9.2. Описание тестовых задач . - С .384 9.3. Нейро-нечеткие системы типа Мамдани . - С .387 9.4. Нейро-нечеткие системы логического типа . - С .404 9.5. Нейро-нечеткие системы типа Такаги-Сугено . - С .424 9.6. Алгоритмы обучения нейро-нечетких систем . - С .431 9.7. Оценивание функционирования нейро-нечетких систем . - С .449 9.8. Примечания . - С .460 10. ЭЛАСТИЧНЫЕ НЕЙРО-НЕЧЕТКИЕ СИСТЕМЫ . - С .461 10.1. Введение . - С .461 10.2. Мягкие треугольные нормы . - С .461 10.3. Параметризованные треугольные нормы . - С .464 10.4. Триггерные треугольные нормы . - С .469 10.5. Эластичные системы . - С .474 10.6. Алгоритмы обучения . - С .477 10.7. Решение тестовых задач . - С .492 10.8. Примечания . - С .502 Литература . - С .503 Предметный указатель . - С .515
Рубрики: Техника--Вычислительная техника Кл.слова (ненормированные): ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ Аннотация: В книге представлен современный подход к интеллектуальным вычислениям. Рассмотрены история развития и перспективы искусственного интеллекта, его приложения в каждодневной жизни человека. Обсуждаются методы представления знаний с использованием приближенных множеств и нечетких множеств типа 1 и типа 2, основные структуры и методы обучения нейронных сетей, эволюционные алгоритмы, методы группирования данных, а также различные нейро-нечеткие структуры. Особым достоинством книги является наличие в ней ряда примеров и иллюстраций описываемых методов, полезных для практического использования представленных алгоритмов. Среди прочего, книга представляет собой обобщение содержания лекций, читавшихся автором магистрантам Ченстоховского политехнического университета и Высшей гуманитарно-экономической школы в Лодзи, а также докторантам Института системных исследований Польской академии наук и может быть использована в качестве учебного пособия. Для широкого круга специалистов в области математики, физики, информатики, электроники, телекоммуникаций, экономики, управления и смежных областей знаний. Будет полезна студентам и аспирантам. Держатели документа: НБ СГЮА Доп.точки доступа: Рудинский, И. Д. \пер.\ Экземпляры всего: 30 ч/з1 (1), ч/з6 (1), н/а (1), уч/а (27) Свободны: ч/з1 (1), ч/з6 (1), н/а (1), уч/а (27) |