<?xml version="1.0" encoding="windows-1251"?>
<!-- generator="wordpress/2.3.3" -->
<rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	>

<channel>
	<title>Нейрокомпьютеры</title>
	<link>http://www.neyrokomp.org.ua</link>
	<description></description>
	<pubDate>Wed, 18 Jun 2008 15:04:56 +0000</pubDate>
	<generator>http://wordpress.org/?v=2.3.3</generator>
	<language>en</language>
			<item>
		<title>Самоорганизация</title>
		<link>http://www.neyrokomp.org.ua/neyro-77</link>
		<comments>http://www.neyrokomp.org.ua/neyro-77#comments</comments>
		<pubDate>Wed, 18 Jun 2008 15:04:56 +0000</pubDate>
		<dc:creator>admin</dc:creator>
		
		<category><![CDATA[АРТ сети]]></category>

		<guid isPermaLink="false">http://www.neyrokomp.org.ua/neyro-77</guid>
		<description><![CDATA[


 В работе [3] описывались интересные и полезные результаты исследований Кохонена на самоорганизующихся структурах, используемых для задач распознавания образов. Вообще эти структуры классифицируют образы, представленные векторными величинами, в которых каждый компонент вектора соответствует элементу образа. Алгоритмы Кохонена основываются на технике обучения без учителя.
]]></description>
			<content:encoded><![CDATA[<table cellpadding=0 cellspacing=0><tr><td><script type="text/javascript"><!--
google_ad_client = "pub-7054674276352637";
/* 468x60, electronic-trade.org.ua */
google_ad_slot = "9671047061";
google_ad_width = 468;
google_ad_height = 60;
//-->
</script>
<script type="text/javascript"
src="http://pagead2.googlesyndication.com/pagead/show_ads.js">
</script></td></tr></table> <p>В работе [3] описывались интересные и полезные результаты исследований Кохонена на самоорганизующихся структурах, используемых для задач распознавания образов. Вообще эти структуры классифицируют образы, представленные векторными величинами, в которых каждый компонент вектора соответствует элементу образа. Алгоритмы Кохонена основываются на технике обучения без учителя. <a href="http://www.neyrokomp.org.ua/neyro-77#more-77" class="more-link">(more&#8230;)</a></p>
]]></content:encoded>
			<wfw:commentRss>http://www.neyrokomp.org.ua/neyro-77/feed</wfw:commentRss>
		</item>
		<item>
		<title>Метод обучения Уидроу-Хоффа</title>
		<link>http://www.neyrokomp.org.ua/neyro-76</link>
		<comments>http://www.neyrokomp.org.ua/neyro-76#comments</comments>
		<pubDate>Wed, 18 Jun 2008 15:03:41 +0000</pubDate>
		<dc:creator>admin</dc:creator>
		
		<category><![CDATA[АРТ сети]]></category>

		<guid isPermaLink="false">http://www.neyrokomp.org.ua/neyro-76</guid>
		<description><![CDATA[


 Как мы видели, персептрон ограничивается бинарными выходами. Уидроу вместе со студентом университета Хоффом расширили алгоритм обучения персептрона на случай непрерывных выходов, используя сигмоидальную функцию [5,6]. Кроме того, они разработали математическое доказательство того, что сеть при определенных условиях будет сходиться к любой функции, которую она может представить.
]]></description>
			<content:encoded><![CDATA[<p>Как мы видели, персептрон ограничивается бинарными выходами. Уидроу вместе со студентом университета Хоффом расширили алгоритм обучения персептрона на случай непрерывных выходов, используя сигмоидальную функцию [5,6]. Кроме того, они разработали математическое доказательство того, что сеть при определенных условиях будет сходиться к любой функции, которую она может представить.  <a href="http://www.neyrokomp.org.ua/neyro-76#more-76" class="more-link">(more&#8230;)</a></p>
]]></content:encoded>
			<wfw:commentRss>http://www.neyrokomp.org.ua/neyro-76/feed</wfw:commentRss>
		</item>
		<item>
		<title>Обучение Персептрона</title>
		<link>http://www.neyrokomp.org.ua/neyro-75</link>
		<comments>http://www.neyrokomp.org.ua/neyro-75#comments</comments>
		<pubDate>Wed, 18 Jun 2008 15:01:37 +0000</pubDate>
		<dc:creator>admin</dc:creator>
		
		<category><![CDATA[АРТ сети]]></category>

		<guid isPermaLink="false">http://www.neyrokomp.org.ua/neyro-75</guid>
		<description><![CDATA[В 1957 г. Розенблатт [4] разработал модель, которая вызвала большой интерес у исследователей. Несмотря на некоторые ограничения ее исходной формы, она стала основой для многих современных, наиболее сложных алгоритмов обучения с учителем. Персептрон является настолько важным, что вся гл. 2 посвящена его описанию; однако это описание является кратким и приводится в формате, несколько
]]></description>
			<content:encoded><![CDATA[<p>В 1957 г. Розенблатт [4] разработал модель, которая вызвала большой интерес у исследователей. Несмотря на некоторые ограничения ее исходной формы, она стала основой для многих современных, наиболее сложных алгоритмов обучения с учителем. Персептрон является настолько важным, что вся гл. 2 посвящена его описанию; однако это описание является кратким и приводится в формате, несколько <a href="http://www.neyrokomp.org.ua/neyro-75#more-75" class="more-link">(more&#8230;)</a></p>
]]></content:encoded>
			<wfw:commentRss>http://www.neyrokomp.org.ua/neyro-75/feed</wfw:commentRss>
		</item>
		<item>
		<title>Входные и выходные звезды</title>
		<link>http://www.neyrokomp.org.ua/neyro-74</link>
		<comments>http://www.neyrokomp.org.ua/neyro-74#comments</comments>
		<pubDate>Wed, 18 Jun 2008 14:58:39 +0000</pubDate>
		<dc:creator>admin</dc:creator>
		
		<category><![CDATA[АРТ сети]]></category>

		<guid isPermaLink="false">http://www.neyrokomp.org.ua/neyro-74</guid>
		<description><![CDATA[Много общих идей, используемых в искусственных нейронных сетях, прослеживаются в работах Гроссберга; в качестве примера можно указать конфигурации входных и выходных звезд [I], используемые во многих сетевых парадигмах. Входная звезда, как показано на рис. Б.1, состоит из нейрона, на который подается группа входов через синапсические веса.  Входные и выходные звезды могут
]]></description>
			<content:encoded><![CDATA[<p>Много общих идей, используемых в искусственных нейронных сетях, прослеживаются в работах Гроссберга; в качестве примера можно указать конфигурации входных и выходных звезд [I], используемые во многих сетевых парадигмах. Входная звезда, как показано на рис. Б.1, состоит из нейрона, на который подается группа входов через синапсические веса.  Входные и выходные звезды могут <a href="http://www.neyrokomp.org.ua/neyro-74#more-74" class="more-link">(more&#8230;)</a></p>
]]></content:encoded>
			<wfw:commentRss>http://www.neyrokomp.org.ua/neyro-74/feed</wfw:commentRss>
		</item>
		<item>
		<title>Обучение с учителем и без учителя</title>
		<link>http://www.neyrokomp.org.ua/neyro-73</link>
		<comments>http://www.neyrokomp.org.ua/neyro-73#comments</comments>
		<pubDate>Wed, 18 Jun 2008 14:56:16 +0000</pubDate>
		<dc:creator>admin</dc:creator>
		
		<category><![CDATA[АРТ сети]]></category>

		<guid isPermaLink="false">http://www.neyrokomp.org.ua/neyro-73</guid>
		<description><![CDATA[Искусственные нейронные сети обучаются самыми разнообразными методами. К счастью, большинство методов обучения исходят из общих предпосылок и имеет много идентичных характеристик. Целью данного приложения является обзор некоторых фундаментальных алгоритмов, как с точки зрения их текущей применимости, так и с точки зрения их исторической важности. После ознакомления с
]]></description>
			<content:encoded><![CDATA[<p>Искусственные нейронные сети обучаются самыми разнообразными методами. К счастью, большинство методов обучения исходят из общих предпосылок и имеет много идентичных характеристик. Целью данного приложения является обзор некоторых фундаментальных алгоритмов, как с точки зрения их текущей применимости, так и с точки зрения их исторической важности. После ознакомления с <a href="http://www.neyrokomp.org.ua/neyro-73#more-73" class="more-link">(more&#8230;)</a></p>
]]></content:encoded>
			<wfw:commentRss>http://www.neyrokomp.org.ua/neyro-73/feed</wfw:commentRss>
		</item>
		<item>
		<title>Компьютеры и человеческий мозг</title>
		<link>http://www.neyrokomp.org.ua/neyro-72</link>
		<comments>http://www.neyrokomp.org.ua/neyro-72#comments</comments>
		<pubDate>Wed, 18 Jun 2008 14:54:17 +0000</pubDate>
		<dc:creator>admin</dc:creator>
		
		<category><![CDATA[АРТ сети]]></category>

		<guid isPermaLink="false">http://www.neyrokomp.org.ua/neyro-72</guid>
		<description><![CDATA[Существует подобие между мозгом и цифровым компьютером: оба оперируют электронными сигналами, оба состоят из большого количества простых элементов, оба выполняют функции, являющиеся, грубо говоря, вычислительными. Тем не менее существуют и фундаментальные отличия. По сравнению с микросекундными и даже наносекундными интервалами вычислений современных компьютеров нервные
]]></description>
			<content:encoded><![CDATA[<p>Существует подобие между мозгом и цифровым компьютером: оба оперируют электронными сигналами, оба состоят из большого количества простых элементов, оба выполняют функции, являющиеся, грубо говоря, вычислительными. Тем не менее существуют и фундаментальные отличия. По сравнению с микросекундными и даже наносекундными интервалами вычислений современных компьютеров нервные <a href="http://www.neyrokomp.org.ua/neyro-72#more-72" class="more-link">(more&#8230;)</a></p>
]]></content:encoded>
			<wfw:commentRss>http://www.neyrokomp.org.ua/neyro-72/feed</wfw:commentRss>
		</item>
		<item>
		<title>Мембрана клетки</title>
		<link>http://www.neyrokomp.org.ua/neyro-71</link>
		<comments>http://www.neyrokomp.org.ua/neyro-71#comments</comments>
		<pubDate>Wed, 18 Jun 2008 14:51:28 +0000</pubDate>
		<dc:creator>admin</dc:creator>
		
		<category><![CDATA[АРТ сети]]></category>

		<guid isPermaLink="false">http://www.neyrokomp.org.ua/neyro-71</guid>
		<description><![CDATA[В мозгу существует 2 типа связей: передача химических сигналов через синапсы и передача электрических сигналов внутри нейрона. Великолепное сложное действие мембраны создает способность клетки вырабатывать и передавать оба типа этих сигналов. Мембрана клетки имеет около 5 нм толщины и состоит из двух слоев липидных молекул. Встроенные в мембрану различные специальные протеины можно
]]></description>
			<content:encoded><![CDATA[<p>В мозгу существует 2 типа связей: передача химических сигналов через синапсы и передача электрических сигналов внутри нейрона. Великолепное сложное действие мембраны создает способность клетки вырабатывать и передавать оба типа этих сигналов. Мембрана клетки имеет около 5 нм толщины и состоит из двух слоев липидных молекул. Встроенные в мембрану различные специальные протеины можно <a href="http://www.neyrokomp.org.ua/neyro-71#more-71" class="more-link">(more&#8230;)</a></p>
]]></content:encoded>
			<wfw:commentRss>http://www.neyrokomp.org.ua/neyro-71/feed</wfw:commentRss>
		</item>
		<item>
		<title>Организация человеческого мозга</title>
		<link>http://www.neyrokomp.org.ua/neyro-70</link>
		<comments>http://www.neyrokomp.org.ua/neyro-70#comments</comments>
		<pubDate>Wed, 18 Jun 2008 14:50:05 +0000</pubDate>
		<dc:creator>admin</dc:creator>
		
		<category><![CDATA[АРТ сети]]></category>

		<guid isPermaLink="false">http://www.neyrokomp.org.ua/neyro-70</guid>
		<description><![CDATA[Человеческий мозг содержит свыше тысячи миллиардов вычислительных элементов, называемых нейронами. Превышая по количеству число звезд в Млечном Пути галактики, эти нейроны связаны сотнями триллионов нервных нитей, называемых синапсами. Эта сеть нейронов отвечает за все явления, которые мы называем мыслями, эмоциями, познанием, а также и за совершение мириадов сенсомоторных и
]]></description>
			<content:encoded><![CDATA[<p>Человеческий мозг содержит свыше тысячи миллиардов вычислительных элементов, называемых нейронами. Превышая по количеству число звезд в Млечном Пути галактики, эти нейроны связаны сотнями триллионов нервных нитей, называемых синапсами. Эта сеть нейронов отвечает за все явления, которые мы называем мыслями, эмоциями, познанием, а также и за совершение мириадов сенсомоторных и <a href="http://www.neyrokomp.org.ua/neyro-70#more-70" class="more-link">(more&#8230;)</a></p>
]]></content:encoded>
			<wfw:commentRss>http://www.neyrokomp.org.ua/neyro-70/feed</wfw:commentRss>
		</item>
	</channel>
</rss>
