Одним из популярных направлений Artificial Intelligence является теория нейронных сетей (neuron nets). Данный курс является систематизированным вводным курсом в это направление. Нашей целью является познакомить слушателей с основными нейроно-сетевыми парадигмами, показать область применения этого направления.Людей всегда интересовало их собственное мышление. Это самовопрошение, думанье мозга о себе самом является, возможно, отличительной чертой человека. Нейробиологи и нейроанатомы достигли в этой области значительного прогресса. Усердно изучая структуру и функции нервной системы человека, они многое поняли в «электропроводке» мозга, но мало узнали о его функционировании. В процессе накопления ими знаний выяснилось, что мозг имеет ошеломляющую сложность. Сотни миллиардов нейронов, каждый из которых соединен с сотнями или тысячами других, образуют систему, далеко превосходящую наши самые смелые мечты о суперкомпьютерах. На сегодняшний день существуют две взаимно обогащающие друг друга цели нейронного моделирования: первая – понять функционирование нервной системы человека на уровне физиологии и психологии и вторая – создать вычислительные системы (искусственные нейронные сети), выполняющие функции, сходные с функциями мозга. Именно эта последняя цель и находится в центре внимания данного курса. В лекциях курса рассматриваются такие классические нейроно-сетевые парадигмы как персептроны, сети Хопфилда и Хэмминга, сети встречного распространения, двунаправленная ассоциативная память, теория адаптивного резонанса, когнитроны и неокогнитроны. Для каждой рассматриваемой сети дается описание ее архитектуры, алгоритмов обучения, анализируются проблемы емкости и устойчивости сети.

Выходные данные......3Лекция 1. Основы искусственных нейронных сетей......4Лекция 2. Персептроны. Представимость и разделимость......16Лекция 3. Персептроны. Обучение персептрона......27Лекция 4. Процедура обратного распространения (описание алгоритма)......37Лекция 5. Процедура обратного распространения (анализ алгоритма)......51Лекция 6. Сети встречного распространения......62Лекция 7. Стохастические методы обучения нейронных сетей......79Лекция 8. Нейронные сети Хопфилда и Хэмминга......93Лекция 9. Обобщения и применения модели Хопфилда......106Лекция 10. Двунаправленная ассоциативная память......122Лекция 11. Адаптивная резонансная теория. Архитектура......134Лекция 12. Теория адаптивного резонанса. Реализация......147Лекция 13. Когнитрон......163Лекция 14. Неокогнитрон......178Лекция 15. Алгоритмы обучения......187

Яхъяева Г.Э.
Кандидат физико-математических наук, доцент кафедры общей информатики, факультет информационных технологий Новосибирского Государственного Университета.