22
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
Липецкая |
|
Краснодарский |
|
Республика |
|
Чукотский авто- |
|
область |
LO |
край |
KK |
Алтай |
RA2 |
номный округ |
CHAO |
|
|
|
|
|
|
Агинский Бурят- |
|
Московская |
|
Ставрополь- |
|
Республика |
|
ский автоном- |
|
область |
MO |
ский край |
SK |
Бурятия |
RB2 |
ный округ |
ABAO |
Орловская |
|
Астраханская |
|
Республика |
|
Пермская об- |
|
область |
OO |
область |
AO2 |
Тыва |
RTY |
ласть |
PO3 |
|
|
|
|
|
|
Коми- |
|
Рязанская |
|
Волгоградская |
|
Республика |
|
Пермяцкий ав- |
|
область |
RO |
область |
VO4 |
Хакасия |
RX |
тономный округ |
KPAO |
Смоленская |
|
Ростовская |
|
Алтайский |
|
Калининградская |
|
область |
SO |
область |
RO2 |
край |
AK |
область |
KO4 |
Тамбовская |
|
Республика |
|
Краснояр- |
|
Ленинградская |
|
область |
TO |
Башкортостан |
RB |
ский край |
KK2 |
область |
LO2 |
|
|
|
|
Таймырский |
|
|
|
Тверская об- |
|
Республика |
|
автономный |
|
Мурманская |
|
ласть |
TO2 |
Марий Эл |
RMY |
округ |
TAO |
область |
MO2 |
|
|
|
|
Эвенкийский |
|
|
|
Тульская об- |
|
Республика |
|
автономный |
|
Новгородская |
|
ласть |
TO3 |
Мордовия |
RM |
округ |
QAO |
область |
NO |
Ярославская |
|
Республика |
|
Иркутская |
|
Псковская об- |
|
область |
YAO |
Татарстан |
RT |
область |
IO |
ласть |
PO |
|
|
|
|
Усть- |
|
|
|
|
|
|
|
Ордынский |
|
|
|
|
|
Удмуртская |
|
Бурятский |
|
Вологодская |
|
г. Москва |
M |
Республика |
UR |
АО |
UOBAO |
область |
VO3 |
Республика |
|
Чувашская |
|
Кемеровская |
|
Пензенская об- |
|
Карелия |
RK |
Республика |
HR2 |
область |
KO7 |
ласть |
PO2 |
Республика |
|
Кировская об- |
|
Новосибир- |
|
Читинская об- |
|
Коми |
RK2 |
ласть |
KO5 |
ская область |
NO3 |
ласть |
HO2 |
Архангель- |
|
Нижегород- |
|
Омская об- |
|
|
|
ская область |
AO |
ская область |
NO2 |
ласть |
OO2 |
|
|
Ненецкий |
|
|
|
|
|
|
|
автономный |
|
Оренбургская |
|
Томская об- |
|
|
|
округ |
NAO |
область |
OO |
ласть |
TO5 |
|
|
5.Контрольные вопросы
1.Какие достоинства и недостатки характерны для нейросетевого прогнозирования?
2.Какова последовательность решения типовой задачи на нейроимитаторе?
3.Какими функциональными возможностями обладает программа NeuroPro?
4.Для чего нужны процедуры вербализации и контрастирования?
5.Каким образом осуществляется создание и сохранение нейропроекта?
6.В чем заключается особенность работы с таблицами данных в NeuroPro?
7.Для каких целей выполняется оценка значимости входных сигналов нейронной сети?
23
Библиографический список
1.Белозеров О. И. Современные методы прогнозирования. Искусственные нейронные сети: учебное пособие. – Хабаровск: ХГИИК, 2000. 50 с.
2.Белозеров О. И. Моделирование системы “руководитель-подчиненный” при помощи нейронной сети // Международная конференция «Научнотехническое и экономическое сотрудничество стран АТР в XXI веке» (1999 г. Хабаровск): тезисы докладов. – Хабаровск: Дальневосточный государственный университет путей сообщения, 1999. С. 5.
3.Белозеров О. И. Повышение эффективности подбора кадров в органы внутренних дел с помощью искусственных нейронных сетей.// Проблемы совершенствования деятельности органов внутренних дел по борьбе с преступностью на рубеже столетий: сборник научных трудов, II ч. – Хабаровск: ДВЮИ МВД РФ, 1999. С. 120–124.
4.Белозеров О. И. Сравнение статистических и нейросетевых методов прогнозирования: тезисы докладов XXXIX научно-технической конференции студентов и аспирантов. – Хабаровск: ХГТУ, 1999. С. 22.
5.Гилев С. Е., Коченов Д. А., Миркес Е. М., Россиев Д. А. Контрастирование, оценка значимости параметров, оптимизация их значений и их интерпретация в нейронных сетях: доклады III Всероссийского семинара “Нейроинформатика и ее приложения”. – Красноярск, 1995. – С. 66-78.
6.Горбань А. Н. Обучение нейронных сетей. – М.: Изд. СССР-США СП
"ParaGraph", 1990. 160 с. (English Translation: AMSE Transaction, Scientific Siberian, A, 1993, Vol. 6. Neurocomputing, рp.1-134).
7.Горбань А. Н., Россиев Д. А. Нейронные сети на персональном компьютере. – Новосибирск: Наука, 1996. 276 с.
8.Горбань А. Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Сиб. журн. вычисл. математики / РАН. Сиб. отд-ние. – Новосибирск, 1998. – Т.1 – №1. – С. 11-24.
9.Доррер М. Г. Обработка психологической информации при помощи нейронных сетей // Проблемы информатизации региона: материалы второй межрегиональной конференции. – Красноярск: КГТУ, 1997. С. 33-43.
10.Свириденков К. И., Свириденкова М. А., Широков С. С. Использование нейромоделей для прогнозирования // Международная конференция "Информатизация правоохранительных систем" (1998 г., Москва): тезисы докладов. – М.: Академия МВД РФ, 1998. С. 116-117.
11.Царегородцев В. Г. Производство полуэмпирических знаний из таблиц данных с помощью обучаемых нейронных сетей // Методы нейроинформатики: сборник научных трудов. – Красноярск: КГТУ, 1998. С. 205.
12.Rumelhart D. E., Hinton G. E., Williams R. J. 1986. Learning internal reprentations by error propagation. In Parallel distributed processing, vol. 1, pp. 318-62. Cambridge, MA: MIT Press.
24
Белозеров Олег Иванович
ОБРАБОТКА ДАННЫХ ИСКУССТВЕННЫМИ НЕЙРОННЫМИ СЕТЯМИ
Методические указания по выполнению лабораторных работ для студентов III-IV курса всех специальностей и форм обучения
Редактор Г.С. Одинцова
_____________________________________________________________________
Подписано в печать 1,4. Формат 60х84/16. Бумага писчая. Печать офсетная. Ул. печ. л. 0,93. Уч.- изд. л. 1,0.
Тираж 100 экз. Заказ _____.
_____________________________________________________________________
680042, г. Хабаровск, ул. Тихоокеанская, 134, ХГАЭП, РИЦ