SÁCH - Mạng nơ-rôn và ứng dụng trong xử lý tín hiệu (Trần Hoài Linh) Full


Mạng nơ ron nhân tạo là một mô phỏng xử lý thông tin, được nghiên cứu ra từ hệ thống thần kinh của sinh vật, giống như bộ não để xử lý thông tin. Nó bao gồm số lượng lớn các mối gắn kết cấp cao để xử lý các yếu tố làm việc trong mối liên hệ giải quyết vấn đề rõ ràng. ANNs giống như con người, được học bởi kinh nghiệm, lưu những kinh nghiệm hiểu biết và sử dụng trong những tình huống phù hợp.


Đầu tiên ANN được giới thiệu năm 1943 bởi nhà thần kinh học Warren McCulloch và nhà logic học Walter Pits. Nhưng với những kỹ thuật trong thời gian này chưa cho phép họ nghiên cứu được nhiều. Những năm gần đây mô phỏng ANN xuất hiện và phát triển. Các nghiên cứu ứng dụng đã được thực hiện trong các ngành: điện, điện tử, kỹ thuật chế tạo, y học, quân sự, kinh tế...và mới nhất là các nghiên cứu ứng dụng trong lĩnh vực quản lý dự án xây dựng. Tại Việt Nam việc nghiên cứu ứng dụng ANN vào quản lý xây dựng chỉ mới bắt đầu trong vài năm gần đây và cần được phát triển.

Với nhiều năm nghiên cứu và dành tâm huyết cho hướng tìm hiểu các phương pháp mới trong phân tích và xử lý tín hiệu, PGS.TSKH Trần Hoài Linh đã biên soạn và phối hợp cùng với Nhà xuất bản Bách Khoa Hà Nội xuất bản cuốn sách: Mạng nơ-ron và ứng dụng trong xử lý tín hiệu.

Cuốn sách bao gồm 8 chương, trình bày một số kiến thức cơ bản về một chuyên ngành tương đối mới của ngành Trí tuệ nhân tạo là các mạng nơ rôn nhân tạo và một số khả năng ứng dụng thực tế của các công cụ mạng nơ rôn nhân tạo trong các bài toán xử lý tín hiệu thực tế.

Thông qua giáo trình, tác giả hi vọng người đọc có thể tìm hiểu và nắm được các ý tưởng chính về mạng nơ rôn nhân tạo, từ đó có thể triển khai ứng dụng các công cụ này trong các bài toán xử lý tín hiệu phức tạp khi mà các công cụ kinh điển tỏ ra không hiệu quả. Đồng thời, nó cũng là cuốn sách giáo trình phục vụ đắc lực cho quá trình giảng dạy và học tập môn Mạng nơ-rôn và ứng dụng trong xử lý tín hiệu của các sinh viên tại trường Đại học Bách Khoa Hà Nội và các trường có môn học này trong cả nước.



NỘI DUNG:


CHƯƠNG 1. MỘT SỐ CÁC KHÁI NIỆM CƠ BẢN

1.1. Vị trí của chuyên ngành mạng nơ–rôn và ứng dụng trong xử lý tín hiệu

1.2. Theo dòng lịch sử

1.3. Các quá trình cơ bản của mạng nơ–rôn

1.4. Các ứng dụng của mạng nơ–rôn

CHƯƠNG 2. MÔ HÌNH NƠ–RÔN

2.1. Nơ–rôn sinh học và mô hình toán học của nơ–rôn nhân tạo

2.2. Các quá trình học và kiểm tra của nơ–rôn

CHƯƠNG 3. MÔ HÌNH MẠNG PERCEPTRON MLP VÀ CÁC THUẬT TOÁN HOẠT ĐỘNG

3.1. Nơ–rôn và mạng nơ–rôn nhân tạo 

3.2. Các cấu trúc mạng nơ–rôn

3.3. Cấu trúc mạng MLP

3.4. Quá trình học của mạng MLP

3.5. Thuật toán học theo bước giảm cực đại cho mạng MLP

3.6. Thuật toán Levenberg – Marquardt 

3.7. Thuật toán học của Hebb

3.8. Vấn đề mạng học quá khớp (overfitting) và mạng học không đủ (underfitting)

3.9. Ví dụ minh họa ứng dụng

CHƯƠNG 4. MẠNG CÓ PHẢN HỒI

4.1. Mạng RMLP

4.2. Mạng ELMAN

4.3. Mạng RTRN

4.4. Mạng HOPFIELD 

4.5. Mạng HAMMING

4.6. Mạng BAM

CHƯƠNG 5. CÁC MẠNG HOẠT ĐỘNG THEO NGUYÊN TẮC TỰ TỔ CHỨC

5.1. Mạng KOHONEN

5.2. Quá trình học của mạng KOHONEN

5.3. Ví dụ ứng dụng mạng KOHONEN

CHƯƠNG 6. LÔ–GIC MỜ VÀ MẠNG NƠ–RÔN LÔ–GIC MỜ

6.1. Khái niệm lô–gic mờ 

6.2. Biểu thức lô–gic mờ

6.3. Quy tắc suy luận mờ và giá trị của quy tắc suy luận mờ

6.4. Tính đáp ứng trong trường hợp hệ nhiễu quy tắc suy luận mờ

6.5. Một số mạng nơ–rôn lô–gic mờ

CHƯƠNG 7. MỘT SỐ ỨNG DỤNG THỰC TẾ CỦA MẠNG NƠ–RÔN

7.1. Bài toán nhận dạng ảnh

7.2. Bài toán dự báo đỉnh và đáy đồ thị phụ tải điện 24h 

7.3. Bài toán ước lượng trữ lượng gió

7.4. Nhận dạng tín hiệu điện tâm đồ

7.5. Bài toán phân loại các thành phần trong hỗn hợp khí

CHƯƠNG 8. CÁC GIẢI PHÁP MẠCH MÔ PHỎNG NƠ–RÔN VÀ MẠNG NƠ–RÔN

8.1. Giới thiệu chung 

8.2. Một số mô hình mạch mô phỏng các khối nơ–rôn cơ bản

8.3. Một số mạch tích hợp mô phỏng nơ–rôn và mạng nơ–rôn

TÀI LIỆU THAM KHẢO




LINK DOWNLOAD - BẢN 2019 (UPDATING...)


Mạng nơ ron nhân tạo là một mô phỏng xử lý thông tin, được nghiên cứu ra từ hệ thống thần kinh của sinh vật, giống như bộ não để xử lý thông tin. Nó bao gồm số lượng lớn các mối gắn kết cấp cao để xử lý các yếu tố làm việc trong mối liên hệ giải quyết vấn đề rõ ràng. ANNs giống như con người, được học bởi kinh nghiệm, lưu những kinh nghiệm hiểu biết và sử dụng trong những tình huống phù hợp.


Đầu tiên ANN được giới thiệu năm 1943 bởi nhà thần kinh học Warren McCulloch và nhà logic học Walter Pits. Nhưng với những kỹ thuật trong thời gian này chưa cho phép họ nghiên cứu được nhiều. Những năm gần đây mô phỏng ANN xuất hiện và phát triển. Các nghiên cứu ứng dụng đã được thực hiện trong các ngành: điện, điện tử, kỹ thuật chế tạo, y học, quân sự, kinh tế...và mới nhất là các nghiên cứu ứng dụng trong lĩnh vực quản lý dự án xây dựng. Tại Việt Nam việc nghiên cứu ứng dụng ANN vào quản lý xây dựng chỉ mới bắt đầu trong vài năm gần đây và cần được phát triển.

Với nhiều năm nghiên cứu và dành tâm huyết cho hướng tìm hiểu các phương pháp mới trong phân tích và xử lý tín hiệu, PGS.TSKH Trần Hoài Linh đã biên soạn và phối hợp cùng với Nhà xuất bản Bách Khoa Hà Nội xuất bản cuốn sách: Mạng nơ-ron và ứng dụng trong xử lý tín hiệu.

Cuốn sách bao gồm 8 chương, trình bày một số kiến thức cơ bản về một chuyên ngành tương đối mới của ngành Trí tuệ nhân tạo là các mạng nơ rôn nhân tạo và một số khả năng ứng dụng thực tế của các công cụ mạng nơ rôn nhân tạo trong các bài toán xử lý tín hiệu thực tế.

Thông qua giáo trình, tác giả hi vọng người đọc có thể tìm hiểu và nắm được các ý tưởng chính về mạng nơ rôn nhân tạo, từ đó có thể triển khai ứng dụng các công cụ này trong các bài toán xử lý tín hiệu phức tạp khi mà các công cụ kinh điển tỏ ra không hiệu quả. Đồng thời, nó cũng là cuốn sách giáo trình phục vụ đắc lực cho quá trình giảng dạy và học tập môn Mạng nơ-rôn và ứng dụng trong xử lý tín hiệu của các sinh viên tại trường Đại học Bách Khoa Hà Nội và các trường có môn học này trong cả nước.



NỘI DUNG:


CHƯƠNG 1. MỘT SỐ CÁC KHÁI NIỆM CƠ BẢN

1.1. Vị trí của chuyên ngành mạng nơ–rôn và ứng dụng trong xử lý tín hiệu

1.2. Theo dòng lịch sử

1.3. Các quá trình cơ bản của mạng nơ–rôn

1.4. Các ứng dụng của mạng nơ–rôn

CHƯƠNG 2. MÔ HÌNH NƠ–RÔN

2.1. Nơ–rôn sinh học và mô hình toán học của nơ–rôn nhân tạo

2.2. Các quá trình học và kiểm tra của nơ–rôn

CHƯƠNG 3. MÔ HÌNH MẠNG PERCEPTRON MLP VÀ CÁC THUẬT TOÁN HOẠT ĐỘNG

3.1. Nơ–rôn và mạng nơ–rôn nhân tạo 

3.2. Các cấu trúc mạng nơ–rôn

3.3. Cấu trúc mạng MLP

3.4. Quá trình học của mạng MLP

3.5. Thuật toán học theo bước giảm cực đại cho mạng MLP

3.6. Thuật toán Levenberg – Marquardt 

3.7. Thuật toán học của Hebb

3.8. Vấn đề mạng học quá khớp (overfitting) và mạng học không đủ (underfitting)

3.9. Ví dụ minh họa ứng dụng

CHƯƠNG 4. MẠNG CÓ PHẢN HỒI

4.1. Mạng RMLP

4.2. Mạng ELMAN

4.3. Mạng RTRN

4.4. Mạng HOPFIELD 

4.5. Mạng HAMMING

4.6. Mạng BAM

CHƯƠNG 5. CÁC MẠNG HOẠT ĐỘNG THEO NGUYÊN TẮC TỰ TỔ CHỨC

5.1. Mạng KOHONEN

5.2. Quá trình học của mạng KOHONEN

5.3. Ví dụ ứng dụng mạng KOHONEN

CHƯƠNG 6. LÔ–GIC MỜ VÀ MẠNG NƠ–RÔN LÔ–GIC MỜ

6.1. Khái niệm lô–gic mờ 

6.2. Biểu thức lô–gic mờ

6.3. Quy tắc suy luận mờ và giá trị của quy tắc suy luận mờ

6.4. Tính đáp ứng trong trường hợp hệ nhiễu quy tắc suy luận mờ

6.5. Một số mạng nơ–rôn lô–gic mờ

CHƯƠNG 7. MỘT SỐ ỨNG DỤNG THỰC TẾ CỦA MẠNG NƠ–RÔN

7.1. Bài toán nhận dạng ảnh

7.2. Bài toán dự báo đỉnh và đáy đồ thị phụ tải điện 24h 

7.3. Bài toán ước lượng trữ lượng gió

7.4. Nhận dạng tín hiệu điện tâm đồ

7.5. Bài toán phân loại các thành phần trong hỗn hợp khí

CHƯƠNG 8. CÁC GIẢI PHÁP MẠCH MÔ PHỎNG NƠ–RÔN VÀ MẠNG NƠ–RÔN

8.1. Giới thiệu chung 

8.2. Một số mô hình mạch mô phỏng các khối nơ–rôn cơ bản

8.3. Một số mạch tích hợp mô phỏng nơ–rôn và mạng nơ–rôn

TÀI LIỆU THAM KHẢO




LINK DOWNLOAD - BẢN 2019 (UPDATING...)

M_tả
M_tả

Không có nhận xét nào: