PANN: Новая Технология Искусственного Интеллекта. Учебное пособие
Реклама. ООО «ЛитРес», ИНН: 7719571260.
Оглавление
Борис Злотин. PANN: Новая Технология Искусственного Интеллекта. Учебное пособие
От авторов
Часть 1. Новый вид нейронных сетей: Progress Artificial Neural Network (PANN)
1. Введение в проблему. Откуда взялись нейронные сети и чем они нас не устраивают?
2. Научно-технические основы сети PANN. В данной главе мы расскажем об основных конструктивных и научных особенностях сети PANN
3. Новые возможности развития Искусственного Интеллекта на основе PANN
Часть 2. Практика применения PANN
4. Описание софтвера Matrix_PANN. Matrix_PANN (релиз-1) – универсальная программа для распознавания числовых имиджей, представленных в виде картинок (графических файлов)
5. Некоторые эксперименты с Matrix_PANN. Тестирование PANN в большинстве случаев имеет целью сравнение его с классическими нейронными сетями. Казалось бы, это несложно – загрузить в один компьютер классическую нейронную сеть и PANN и проверить на одинаковых задачах. Но на самом деле все сложнее из-за высокой неоднородности объектов сравнения. Вроде детского вопроса: кто сильнее – танк или подводная лодка…
Часть 3. Перспективы применения PANN
6. Работы по совершенствованию PANN. Компания Progress Inc постоянно ведет научно-исследовательские работы как теоретического, так и практического направления. Некоторые из них находятся на начальном этапе. Но уже сегодня можно представить в общих чертах картину развития технологии PANN и основанного на ней Искусственного Интеллекта
7. Направления применения PANN
Приложения
Приложение 1. Проблемы классических нейронных сетей
Приложение 2. Иконки и поля программы Matrix_PANN
Приложение 3. Патенты
Приложение 4. Полезные ссылки
Отрывок из книги
Ключевые слова
• уникальные свойства
.....
Функции сравнения в PANN реализуются через математические операции над матрицами числовых массивов. Рассмотрим простейший алгоритм сравнения через векторное произведение матриц нейронов-имиджей.
Даны два массива для сравнения в виде матриц |X1| и |X2|.
.....