Введение
Глава 1. Обзор состояния работ по применению нейротехнологий 11
1.1. Аналитический обзор 11
1.2. Биологическая модель искусственных нейронных сетей 19
1.3. Искусственные нейронные сети 21
1.4. Алгоритмы обучения нейронных сетей 25
1.5. Линейная разделимость и персептронная представляемость 32
Выводы 35
Глава 2. Быстрые алгоритмы 37
2.1. Сведение обучения к минимизации 37
2.2. Случайный поиск как механизм оптимизации 37
2.3. Генетическая оптимизация 39
2.4. Оптимизация со штрафом за сложность 40
2.5. Гибридные нейродинамические системы 41
2.6. Волновая система 42
2.7. Тепловые процессы 45
2.8. Движение молекул 48
2.9. Ускорение моделирования заменой динамических подсистем их нейронными аналогами 51
2.10. Результаты численных экспериментов обучения нейросетей 52
Выводы 61
Глава 3. Ускорение работы нейронных сетей посредством их реализации на многопроцессорньгх системах 63
3.1. Граф многопроцессорных вычислительных систем 63
3.2. Граф искусственной нейронной сети 70
3.3. Проектирование графа нейронной сети на граф вычислительной системы и оптимизация этого отображения 72
3.4. Генетический алгоритм на многопроцессорной системе 74
Выводы 79
Глава 4. Приложение разработанных алгоритмов 80
4.1. Диагностика состояния паропроводов 80
4.2. Прогнозирование уровня поверхностных вод 91
Выводы 98
Основные результаты и выводы 99
Список литературы 101
Приложения 114
