Tambov state university named after GR Derzhavin
Electronic Library

     
?

Details
Card Table RUSMARC

Арзамасцев, А. А. Системы искусственного интеллекта: практикум на ЭВМ: учебно-методическое пособие / А. А. Арзамасцев, Н. А. Зенкова; Тамбовский государственный университет имени Г. Р. Державина. — Тамбов: Издательский дом "Державинский", 2025 — 1 файл (4,33 Мб). — Загл. с тит. экрана. — Режим доступа: для авторизир. пользователей. — <URL:https://elibrary.tsutmb.ru/dl/docs/elib2018.pdf>.

Record create date: 4/7/2025

Subject: ; ; ; Учебные пособия; Труды преподавателей ТГУ; ЭБ ТГУ

LBC:

Collections: Учебная литература

Allowed Actions: –

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Document access rights

Network User group Action
FL TSU Local Network mo Read Print Download
Internet mo Read Print Download
Internet Readers Read
-> Internet Anonymous

Table of Contents

  • ПРЕДИСЛОВИЕ
  • ВВЕДЕНИЕ
  • ГЛАВА 1 ОСНОВНЫЕ ЭТАПЫ РАЗВИТИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
    • 1.1. Краткая история
    • 1.2. Современные направления искусственного интеллекта
    • Список литературы для самостоятельного изучения к главе 1
  • ГЛАВА 2 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
    • 2.1. Модель искусственного нейрона
    • 2.2. Архитектура сети
    • 2.3. Процессы обучения и валидации (алгоритмы обучения)
    • 2.4. Интеллектуальный анализ данных с помощью ИНС-моделей
    • Список литературы для самостоятельного изучения к главе 2
  • ГЛАВА 3 ВОЗМОЖНОСТИ ПОСТРОЕНИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ОСНОВЕ ИНС-МОДЕЛЕЙ СРЕДСТВАМИ PYTHON
    • 3.1. Библиотеки и фреймворки Python
    • 3.2. Построение нейронной сети для классификации изображений
    • 3.3. Примеры программ классификации изображений
    • 3.4. Примеры программ для построения ИНС-моделей на основе табличных данных из MS Excel
    • Список литературы для самостоятельного изучения к главе 3
  • ГЛАВА 4 ПОСТРОЕНИЕ ИНС-МОДЕЛИ ОБЪЕКТА НА ОСНОВЕ ЭМПИРИЧЕСКИХ ДАННЫХ [1–7]
    • 4.1. Материалы и методы
    • 4.2. Анализ классических формул
    • 4.3. Разработка ИНС-модели. Генерализация данных
    • 4.4. Усовершенствование ИНС-модели и разработка на ее основе динамически развивающейся интеллектуальной экспертной системы [4–6, 34]
    • Список литературы для самостоятельного изучения к главе 4
  • ГЛАВА 5 КЛАССИФИКАЦИЯ ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ГЛУБОКОГО МАШИННОГО ОБУЧЕНИЯ
    • 5.1. Классификация снимков оптической когерентной томографии
    • 5.2. Вычислительные эксперименты по распознаванию результатов оптической когерентной томографии средствами сверточных нейронных сетей
    • Список литературы для самостоятельного изучения к главе 5
  • ГЛАВА 6 ЛАБОРАТОРНЫЙ ПРАКТИКУМ
    • 6.1. Лабораторная работа #1. Построение ИНС-моделей аддитивного и мультипликативного объектов на основе эмпирических данных
    • 6.2. Лабораторная работа #2. DataMining. Извлечение знаний об объектах, заданных большими массивами эмпирических данных с использованием нейронных сетей
    • 6.3. Лабораторная работа #3. Анализ и классификация изображений с использованием сверточных нейронных сетей (CNN)
    • Список литературы для самостоятельного изучения к главе 6
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ЛИТЕРАТУРЫ ДЛЯ САМОСТОЯТЕЛЬНОГО ИЗУЧЕНИЯ
  • Приложение ОБРАЗЕЦ ТИТУЛЬНОГО ЛИСТА И ОБЩАЯ СТРУКТУРА ОТЧЁТА ДЛЯ ЛАБОРАТОРНЫХ РАБОТ

Usage statistics

stat Access count: 0
Last 30 days: 0
Detailed usage statistics