Аннотация:
Даётся элементарное введение в теорию искусственных нейронных сетей. Представлены принципы их структурной организации. Сформулированы и обоснованы методы обучения нейронных сетей, применяемые для различных уровней интеллектуального управления мехатронными системами. Изложены нейросетевые подходы к решению типовых задач классификации, цифровой обработки сигналов, сжатия информации, интерполяции и экстраполяции функций, ассоциативного поведения, оптимизации.
Образец цитирования:
Ю. Ф. Голубев, “Нейронные сети в мехатронике”, Фундамент. и прикл. матем., 11:8 (2005), 81–103; J. Math. Sci., 147:2 (2007), 6607–6622
Prasenjit Maji, Kunal Dhibar, Practice, Progress, and Proficiency in Sustainability, Sustainable Science and Intelligent Technologies for Societal Development, 2024, 69
Parichehr Hassanzadeh, Fatemeh Atyabi, Rassoul Dinarvand, “Technical and engineering considerations for designing therapeutics and delivery systems”, Journal of Controlled Release, 353 (2023), 411
Ю. В. Болотин, П. А. Егоров, “Винеровский и нейросетевой фильтры в задаче определения профиля дорожного покрытия”, Вестн. Моск. ун-та. Сер. 1. Матем., мех., 2021, № 2, 23–27; Yu. V. Bolotin, P. A. Egorov, “Wiener filter and neural network filter for measuring the road profile”, Moscow University Mechanics Bulletin, 76:2 (2021), 44–49
Artyom Plyaskin, Alexey Kushniruk, Advances in Intelligent Systems and Computing, 1115, VIII International Scientific Siberian Transport Forum, 2020, 427
А. В. Савицкий, В. Е. Павловский, “Модель квадрокоптера и нейросетевой алгоритм управления”, Препринты ИПМ им. М. В. Келдыша, 2017, 077, 20 с.
М. Н. Назаров, “Искусственная нейронная сеть с модуляцией коэффициентов синапсов”, Вестн. Сам. гос. техн. ун-та. Сер. Физ.-мат. науки, 2(31) (2013), 58–71