Hivatkozók

• gradiens eljárás

Mesterséges Intelligencia

• 4.3. Lokális kereső algoritmusok és optimalizációs problémák
• 4.4. Lokális keresés folytonos terekben
• 4.6. Összefoglalás
• 20.5. Neurális hálók
• 21.5. Stratégiakeresés

Neurális hálózatok

• 2.5. Determinisztikus és sztochasztikus szélsőérték-kereső eljárások
• 3.2. Az adaline
• 3.3. Egy processzáló elem szigmoid kimeneti nemlinearitással
• 3.4. További elemi neuronok
• 4.1. Az MLP felépítése
• 4.2. Az MLP tanítása, a hibavisszaterjesztéses algoritmus
• 4.3. Az MLP konstrukciójának általános kérdései
• 5. fejezet - Bázisfüggvényes hálózatok
• 5.1. Az RBF (Radiális Bázisfüggvényes) hálózat
• 5.2. A CMAC hálózat
• 5.3. Az MLP és a bázisfüggvényes hálózatok összehasonlítása
• 6.1. Egy egyszerű kernel gép
• 6.3. Szupport Vektor Gépek
• 6.4. SVM változatok
• 7.1. Felismerési feladatok (képosztályozás)
• 7.3. Ipari folyamatok modellezése
• 8.2. Dinamikus neurális modellek
• 8.3. Előrecsatolt időfüggő hálózatok
• 8.4. Visszacsatolt (rekurzív) hálózatok
• 8.5. Dinamikus hálózatok kialakításának néhány további lehetősége
• 8.6. Dinamikus hálók alkalmazása
• 9.2. Szakértőegyüttesek
• 10.4. Adattömörítés Hebb tanuláson alapuló hálózatokkal, PCA, KLT
• 10.5. Nemlineáris PCA és altér hálók
• 10.6. Független komponens analízis
• 11.3. Mean-field hálózatok
• 12.3. KBANN, a tudás alapú neurális hálózat