Методы построения искусственных нейронных сетей для задач классификации на основе применения полигауссовских вероятностных моделей

ВВЕДЕНИЕ.
Глава 1. Анализ статистических и нейросетевых методов решения задач классификации.
1.1 Исторические предпосылки развития технологииискусственных нейронных сетей.
1.2 Основные принципы и преимущества нейросетевых технологий
1.2.1 Свойство универсальной аппроксимации.
1.2.2 Отображение входных данных в выходные
1.2.3 Свойство обобщения.
1.2.4 Линейная разделимость
1.2.5 Адаптивность.
1.2.6 Нелинейность.
1.2.7 Отказоустойчивость.
1.2.8 Унивсрсальность
1.3 Обработка данных ИНС и статистические методы
1.3.1 Критерий Байеса
1.3.2 Критерий НейманаПирсона.
1.4 Анализ характеристик операторов ИНС и алгоритмов, синтезированных на основе статистических методов
1.4.1 Характеристики классификатора на примере обнаружителя детерминированного сигнала на фоне гауссовского шума
1.4.2 Характеристики классификатора на основе различения двух линейнонезависимых векторов со случайными параметрами
1.4.3 Характеристики классификатора на примере задачи обнаружения случайного сигнала с детерминированной амплитудой
и случайной начальной фазой.
1.5 Выводы по главе
Глава 2. Методы синтеза искусственных нейронных сетей с использованием вероятностных моделей
2.1 Представление наблюдаемых данных полигауссовской вероятностной моделью.
2.2 Синтез байесовских нейронных сетей по критерию среднего риска
2.3 Достаточные статистики для полигауссовских алгоритмов
2.4 Асимптотические приближения вычислительные особенности реализации операторов полигауссовских нейронных сетей.
2.5 Синтез байесовских нейронных сетей с использованием поли гауссовской вероятностной модели с различными
средними значениями и одинаковой ковариацией
2.6 Синтез байесовских нейронных сетей при использовании полигауссовской вероятностной модели с различными ковариациями
2.7 Оценка вероятности ошибок классификации
2.8 Процедуры обучения и адаптации байесовских нейронных сетей при использовании полигауссовской вероятностной модели представления данных
2.9 Динамические байесовские нейронные сети с использованием полигауссовской вероятностной модели
2. Выводы по главе.
Глава 3. Построение искусственных нейронных сетей на основе аппроксимации функционала байесовской нейронной сети
3.1 Аппроксимация функционала апостериорной вероятности путм применения операторов нейросетсвого логического базиса.
3.2 Интерпретация весовых коэффициентов и смещений многослойных нейронных сетей по параметрам полигауссовской вероятностной модели.
3.3 Инвариантность процедур обработкив многослойных нейронных сетях к изменению параметров данных
3.4 Синтез сетей на основе радиальных базисных функций по критерию максимального правдоподобия с использованием полигауссовской вероятностной модели.
3.5 Выводы по главе.
Глава 4. Применение методов синтеза нейронных сетей при разработке систем классификации.
4.1 Реализация функции Исключающее ИЛИ в логическом нейросетевом базисе с применением полигауссовской вероятностной модели
представления данных.
4.2 Синтез системы классификации делящихся и радиоактивных материалов на основе радиационных портальных мониторов.
4.3 Представление знаний с помощью ИНС для классификации морских объектов по создаваемым ими шумовым гидроакустическим полям
4.4 Выводы по главе
ЗАКЛЮЧЕНИЕ.
СПИСОК ИСТОЧНИКОВ