10. Какие есть наиболее известные книги для продвинутых в НС?

  • Юрков Е. Ф., Нагорнов В. С. Описание и распознавание объектов в системах искусственного интеллекта. М.: Наука, 1980.
  • Yoh-Han Pao. Adaptive Pattern Recognition and Neural Networks. Massachusetts: Western Reserve University, 1989.
  • W.S. McCulloch and W. Pitts. A logical Calculus of Ideas Immanent in Nervous Activity. Bull. Mathematical Biophysics, Vol. 5, 1943, pp. 115-133.
  • R. Rosenblatt. Principles of Neurodynamics. Spartan Books, New York, 1962.
  • M. Minsky and S. Papert. Perceptrons: An Introduction to Computational Geometry. MIT Press, Cambridge, Mass., 1969.
  • J.J. Hopfield. Neural Networks and Physical Systems with Emergent Collective Computational Abilities. in Proc. National Academy of Sciences, USA 79, 1982, pp. 2554-2558.
  • Anil K. Jain, Jianchang Mao, K.M. Mohiuddin. Artificial Neural Networks: A Tutorial, Computer, Vol.29, No.3, March/1996, pp. 31-44.
  • Копосов А.И., Щербаков И.Б., Кисленко Н.А., Кисленко О.П., Варивода Ю.В. и др. Отчет по научно-исследовательской работе "Создание аналитического обзора информационных источников по применению нейронных сетей для задач газовой технологии". ВНИИГАЗ, 1995.
  • Rumelhart, D. E. and McClelland, J. L., editors. Parallel Distributed Processing: Explorations in the Microstructure of Cognition, volume 1. MIT Press, Cambridge, MA, 1986.
  • Резник А.М. Многорядные динамические персептроны // Перцептрон - система распознавания образов // Под ред. А.Г.Ивахненко. - Киев: Наук. думка. - 1975. - С. 243-292.
  • Вороновский Г. К., Махотило К. В., Петрашев С. Н., Сергеев С. А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности // Харьков: ОСНОВА,1997.
  • Aleksander I., Morton H. An introduction to Neural Computing. – London: Chapman&Hall, 1990.
  • Маункасл В. Организующий принцип функции мозга – элементарный модуль и распределенная система // Дж. Эдельман, В.Маункасл Разумный мозг: М.:- Мир, 1981.
  • Edelman G.M. Molecular recognition in the immune and nervous systems. In: The Neurosciences: Path of Discovery, F.G. Worden, F.G. Swarey and G. Edelman, eds., New York, The Rockfeller University Press, 1975, pp. 65-74.
  • S. Haykin. Neural Networks: A Comprehensive Foundation, MacMillan College Publishing Co., New York, 1994.
  • Holland J. H. Adaptation in natural and artificial systems. An introductory analysis with application to biology, control, and artificial intelligence. – London: Bradford book edition, 1994 – 211 p.
  • J. Hertz, A. Krogh, and R.G. Palmer, Introduction to the Theory of Neural Computation, Addison-Wesley, Reading, Mass., 1991.
  • R.P. Lippman, B. Bold and M.L. Malpass, A comparison of Hamming and Hopfield neural nets for pattern classification, Tech. Rep. 769, Lincoln Laboratory, MIT, 1987.
  • S. Y. Nof, Справочник по промышленной робототехнике, Книга 1. М: Машиностроение, 1989.
  • Brownlee, K.A., Statistical Theory and Methodology in Science and Engineering, Wiley, New York, 1965.
  • Bolles, R.C., Robust Feature Matching through Maximal Cliques, Imaging Applications of Automated Industrial Inspection and Assembly, Society of Photo-Optical Instrumentation Engineers, Washington, D. C., April 1979, pp. 140-149.
  • Chen, H.H., Y.C. Lee, G.Z. Sun, H.Y. Lee, T. Maxwell, and C.L. Giles, 1986. High order correlation model for associative memory, American Institute of Physics Conference Proceedings, № 151: Neural Networks for Computing, SnowBird, Utah, pp.398-403.
  • Hinton, C.E., J.M. McClelland, and D.E. Rumelhart, 1986. Distributed representations. In D.E. Rumelhart and J.L. McClellands (Eds.), Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Vol.1: Foundations. MIT Press, Cambridge, MA.
  • Kloph, H.A., 1987. A neuronal model of classified conditioning. U.S. Air Force Wright Aeronautical Laboratories technical report, AFWAL-TR-87-1139, Dayton, OH.
    		•
    Back Home
    Hosted by uCoz