Autor: Jacek Łęski
ISBN: 978-83-204-3229-9
Ilość stron: 690
Data wydania: 02/2008
Twarda oprawa
Tematem książki są systemy neuronowo-rozmyte. Autor omawia zagadnienia dotyczące wnioskowania przybliżonego i inteligentnej analizy danych. Przedstawia podstawy teorii zbiorów rozmytych, a także podstawy teorii możliwości i jej związek z teorią zbiorów rozmytych. Zajmuje się sztucznymi sieciami neuronowymi, grupowaniem danych i obliczeniami ewolucyjnymi.
Przedstawia metody konstrukcji systemów inteligentnych, zwanych także systemami obliczeń miękkich, umożliwiających rozwiązywanie problemów związanych z podejmowaniem decyzji, modelowaniem, sterowaniem, prognozowaniem oraz klasyfikacją na podstawie niepełnych i nieprecyzyjnych danych.
Wartość merytoryczną książki podnoszą liczne dobrze dobrane przykłady. Na końcu każdego rozdziału jest podany bogaty zestaw lektur umożliwiających poszerzenie wiedzy na poruszany w tym rozdziale temat.
Książka "Systemy neuronowo-rozmyte" jest przeznaczona dla studentów uczelni technicznych, kształcących się na kierunkach informatyka, automatyka, robotyka, inżynieria biomedyczna i telekomunikacja, a także dla studentów uniwersytetów, kształcących się na wydziałach informatyki i matematyki. Będzie też przydatna dla pracowników ośrodków badawczo-rozwojowych i wdrożeniowych.
Rozdziały:
Spis rysunków Spis tabel Przedmowa Wykaz oznaczeń i skrótów
1. Wstęp 1.1. Cybernetyka 1.2. Sztuczna inteligencja 1.3. Sztuczne sieci neuronowe 1.4. Zbiory rozmyte i teoria możliwości 1.5. Metody ewolucyjne 1.6. Obliczenia miękkie 1.7. Podsumowanie 1.8. Ważniejsze pojęcia do zapamiętania 1.9. Uwagi bibliograficzne
2. Teoria zbiorów rozmytych 2.1. Pojęcie zbioru klasycznego 2.2. Zbiory rozmyte 2.3. Interpretacja i wyznaczanie funkcji przynależności 2.4. Podstawowe pojęcia związane ze zbiorami rozmytymi 2.5. Operacje na zbiorach rozmytych 2.6. Podział norm trójkątnych 2.7. Parametryczne operacje na zbiorach rozmytych 2.8. Dualność i inne własności norm trójkątnych 2.9. Zasada rozszerzania 2.10. Zbiory rozmyte typu-2 2.11. Liczby rozmyte 2.12. Relacje rozmyte 2.13. Cylindryczne rozszerzenie i projekcja 2.14. Miary rozmytości zbioru 2.15. Rozszerzenia zbiorów rozmytych 2.16. Podsumowanie 2.17. Ważniejsze pojęcia do zapamiętania 2.18. Uwagi bibliograficzne
3. Teoria możliwości 3.1. Wprowadzenie 3.2. Rozkład możliwości 3.3. Miary możliwości i konieczności 3.4. Miara rozmyta 3.5. Wielowymiarowe rozkłady możliwości 3.6. Brzegowe rozkłady możliwości 3.7. Pojęcie nieoddziaływania 3.8. Warunkowe rozkłady możliwości 3.9. Uszczegółowanie 3.10. Niezależność w teorii możliwości 3.11. Teoria możliwości a stwierdzenia w języku naturalnym 3.12. Zgodność i kompatybilność 3.13. Zmienna lingwistyczna 3.14. Zmienna werystyczna 3.15. Podsumowanie 3.16. Ważniejsze pojęcia do zapamiętania 3.17. Uwagi bibliograficzne
4. Wnioskowanie przybliżone 4.1. Wprowadzenie 4.2. Logika matematyczna 4.3. Reguły wnioskowania 4.4. Logika rozmyta 4.5. Rozmyte reguły warunkowe 4.6. Aksjomatyczna definicja implikacji rozmytej 4.7. Reguły jeżeli – to a teoria możliwości 4.8. Złożeniowa reguła wnioskowania 4.9. Reguły wnioskowania rozmytego 4.10. Kanoniczna postać reguł jeżeli – to 4.11. Operatory agregacji 4.12. Wnioskowanie przybliżone na podstawie bazy wiedzy 4.13. Operacja rozmywania 4.14. Wnioskowanie przybliżone z rozmywaniem wejść 4.15. Operacja wyostrzania 4.16. Równoważność wyników wnioskowania przybliżonego dla różnych interpretacji reguł jeżeli–to 4.17. Przykład numeryczny wnioskowania przybliżonego 4.18. Podsumowanie 4.19. Ważniejsze pojęcia do zapamiętania 4.20. Uwagi bibliograficzne
5. Sztuczne sieci neuronowe – podstawy 5.1. Wprowadzenie 5.2. Modele neuronu 5.3. Rozmyte modele neuronu 5.4. Struktury sztucznych sieci neuronowych 5.5. Uczenie sieci neuronowych 5.6. Metoda wstecznej propagacji błędów 5.7. Zdolność uogólniania sieci neuronowej 5.8. Modyfikacje metody wstecznej propagacji błędów 5.9. Metody optymalizacji nieliniowej w uczeniu sieci neuronowych 5.10. Oczyszczanie sieci 5.11. Sieci neuronowe o wyjściach liniowo zależnych od parametrów 5.12. Metody optymalizacji globalnej 5.13. Podsumowanie 5.14. Ważniejsze pojęcia do zapamiętania 5.15. Uwagi bibliograficzne
6. Sztuczne sieci neuronowe – zagadnienia dodatkowe 6.1. Sieci neuronowe o radialnych funkcjach bazowych 6.2. Uogólnione radialne sieci neuronowe 6.3. Normalizowane radialne sieci neuronowe 6.4. Falkowe sieci neuronowe 6.5. Metody uczenia radialnych sieci neuronowych 6.6. Wektory podtrzymujące w klasyfikacji 6.7. Wektory podtrzymujące w nieliniowej regresji 6.8. Konsylium ekspertów 6.9. Sieci samoorganizujące się 6.10. Kwantyzacja wektorowa 6.11. Kwantyzacja wektorowa z uczeniem 6.12. Podsumowanie 6.13. Ważniejsze pojęcia do zapamiętania 6.14. Uwagi bibliograficzne
7. Metody grupowania danych 7.1. Przegląd metod grupowania 7.2. Rozmyte metody grupowania danych 7.3. Możliwościowe podejście do grupowania danych 7.4. Rozmyto-możliwościowe grupowanie danych 7.5. Warunkowe metody grupowania 7.6. Rozmyte grupowanie z częściowym nadzorem 7.7. Rozmyta kwantyzacja wektorowa 7.8. Entropowe metody rozmytego grupowania 7.9. Aksjomatyczne podejście do rozmytej kwantyzacji wektorowej 7.10. Ocena jakości grupowania 7.11. Podsumowanie 7.12. Ważniejsze pojęcia do zapamiętania 7.13. Uwagi bibliograficzne
8. Obliczenia ewolucyjne 8.1. Wprowadzenie 8.2. Pochodzenie i struktura typowego algorytmu ewolucyjnego 8.3. Reprezentacja osobników 8.4. Operatory mutacji 8.5. Operatory mutacji z samoadaptacją 8.6. Rekombinacja 8.7. Selekcja 8.8. Algorytmy genetyczne 8.9. Programowanie ewolucyjne 8.10. Strategie ewolucyjne 8.11. Programowanie genetyczne 8.12. Rozwiązywanie zadań z ograniczeniami 8.13. Podsumowanie 8.14. Ważniejsze pojęcia do zapamiętania 8.15. Uwagi bibliograficzne
9. Systemy rozmyte 9.1. Wprowadzenie 9.2. System rozmyty Mamdaniego-Assilana 9.3. System rozmyty Takagi-Sugeno-Kanga 9.4. System rozmyty z parametrycznymi konkluzjami 9.5. System rozmyty Tsukamoto 9.6. Wnioskowanie przybliżone i system rozmyty Baldwina 9.7. System rozmyty oparty na przedziałowych zbiorach rozmytych 9.8. Wnioskowanie i systemy rozmyte oparte na podobieństwie zbiorów 9.9. Systemy rozmyte typu – 2 9.10. Automatyczne wydobywanie bazy wiedzy dla systemów rozmytych 9.11. Podsumowanie 9.12. Ważniejsze pojęcia do zapamiętania 9.13. Uwagi bibliograficzne
10. Systemy neuronowo-rozmyte 10.1. Wprowadzenie 10.2. Równoważność między pewnymi typami systemów rozmytych a radialnymi sieciami neuronowymi 10.3. System neuronowo-rozmyty Janga 10.4. Sieć neuronowa z systemem wnioskowania rozmytego opartym na logicznej interpretacji reguł z parametrycznymi konkluzjami 10.5. Klasyfikator oparty na sieci neuronowo-rozmytej 10.6. Deterministyczne wyżarzanie w uczeniu sieci neuronowo-rozmytych 10.7. System neuronowo-rozmyty oparty na rozmytym modelu c-regresji 10.8. Adaptacyjny system neuronowo-rozmyty Cho-Wanga 10.9. Globalno-lokalna metoda uczenia systemów neuronowo-rozmytych 10.10. Uczenie systemów neuronowo-rozmytych oparte na rozmytym grupowaniu warunkowym 10.11. Inne metody w uczeniu systemów neuronowo-rozmytych 10.12. Podsumowanie 10.13. Ważniejsze pojęcia do zapamiętania 10.14. Uwagi bibliograficzne 10.15. Dodatek – System ANBLIR zapisany w MATLAB-ie
11. Systemy ewolucyjno-rozmyte 11.1 Wprowadzenie 11.2. System ewolucyjno-rozmyty oparty na trójetapowej metodzie uczenia 11.3. Dwuetapowe ewolucyjne uczenie systemu rozmytego TSK 11.4. System ewolucyjno-neuronowo-rozmyty z uczeniem opartym na algorytmach genetycznych i metodzie najmniejszych kwadratów 11.5. Ewolucyjne podejście do uczenia systemów rozmytych oparte na wskaźnikach reguł 11.6. System ewolucyjno-rozmyty ze zmiennymi typami funkcji przynależności 11.7. Podsumowanie 11.8. Ważniejsze pojęcia do zapamiętania 11.9. Uwagi bibliograficzne
12. Zastosowania systemów neuronowo-rozmytych 12.1. Wprowadzenie 12.2. Identyfikacja modeli rzeczywistości 12.3. Predykcja szeregów czasowych 12.4. Klasyfikacja obiektów 12.5. Korekcja kanału telekomunikacyjnego 12.6. Sterowanie 12.7. Podsumowanie 12.8. Ważniejsze pojęcia do zapamiętania 12.9. Uwagi bibliograficzne
13. Zakończenie
Systemy neuronowo-rozmyte --- Pozycja niedostępna.---
|