Математический анализ в Maple



       Горячие зрелые мамки на pornozam.com       отели белека

Математический анализ в Maple

Важным разделом математики является исследование аналитических функций. Оно обычно заключается в определении координат особых точек функции и ее значений в этих точках, а также в выяснении особенностей функции, таких как наличие точек разрыва, асимптот, точек перегибов, разрывов и т. д. К сожалению, пока нет средств, сразу выявляющих все особенности функций, поскольку даже средства, решающие частные задачи анализа функций, довольно сложны и специфичны. Достаточно отметить проблему поиска экстремумов функций (особенно функций нескольких переменных). Поэтому функции приходится анализировать индивидуально.
С помощью функции fsolve легко находятся значения независимой переменной х функций вида f(x), при которых f(x)=0 (корни этого уравнения). При этом данная функция позволяет (в отличие от функции solve) изолировать корни функции f(x) указанием примерного интервала их существования. Ряд функций служит для вычисления экстремумов, максимумов и минимумов функций, а также для определения их непрерывности. Одна из таких функций, extrema, позволяет найти экстремумы выражения ехрr (как максимумы, так и минимумы) при ограничениях constcs и переменных vans, по которым ищется экстремум: extrema(expr. constrs) extrema(expr, constrs, vars) extrematexpr, constrs, vans, V)
Ограничения contrs и переменные vars могут задаваться одиночными объектами или списками ряда ограничений и переменных. Найденные координаты точки экстремума присваиваются переменной 's'. При отсутствии ограничений в виде равенств или неравенств вместо них записывается пустой список {}. Эта функция в предшествующих версиях Maple находилась в стандартной библиотеке и вызывалась командой readlib(extrema). Но в Maple 7 ее можно использовать без предварительного объявления.

Вычисление сумм последовательностей
Применение систем символьной математики особенно эффективно при решении задач математического анализа. Maple 7 обладает богатейшей базой данных по формулам математического анализа и может полноценно заменять тома книг со справочными данными. При этом важно, что Maple не только знает многие формулы, но и может успешно использовать их при решении достаточно сложных задач в аналитическом (символьном) виде.

Конвертирование и преобразование интегралов
Шаг 1
Шаг 2
Шаг 3
Вычисление определенных интегралов
Шаг 1
Шаг 2
Шаг 3
Каверзные интегралы и визуализация
Шаг 1

Анализ функций и полиномов
Важным разделом математики является исследование аналитических функций. Оно обычно заключается в определении координат особых точек функции и ее значений в этих точках, а также в выяснении особенностей функции, таких как наличие точек разрыва, асимптот, точек перегибов, разрывов и т. д. К сожалению, пока нет средств, сразу выявляющих все особенности функций, поскольку даже средства, решающие частные задачи анализа функций, довольно сложны и специфичны.

Анализ функций
Шаг 1
Шаг 2
Шаг 3
Работа с функциями piecewise
Шаг 1
Шаг 2
Шаг 3
Операции с полиномами
Шаг 1

Основные операции с выражениями
Выражения (ехрr) или уравнения (eqn) обычно используются как сами по себе, так и в виде равенств или неравенств. В последнем случае объекты с выражениями имеют левую и правую части.

Функции сортировки и селекции
Шаг 1
Шаг 2
Шаг 3
Шаг 4
Упрощение выражений
Шаг 1
Шаг 2
Шаг 3
Шаг 4

Типовые средства построения графиков
Maple 7 реализует все мыслимые (и даже немыслимые) варианты математических графиков. Строятся как графики простых функций в декартовой и полярной системах координат, так и графики, показывающие реалистические образы сложных, пересекающихся в пространстве фигур с их функциональной окраской. Возможны наглядные графические иллюстрации решений самых разнообразных уравнений, включая системы дифференциальных уравнений.

Графики функций построенные точками
Шаг 1
Шаг 2
Шаг 3
Графики функций заданных своими именами
Шаг 1
Графики функций с ординатами заданными вектором
Шаг 1
Графики функций заданных процедурами
Шаг 1

Общая характеристика пакета plots
В отличие от векторных графиков контурные графики поверхностей, наложенные на сами эти поверхности, нередко повышают восприимчивость таких поверхностей — подобно изображению линий каркаса. Для одновременного построения поверхности и контурных линий на них служит функция contourplot3d.

Контурные трехмерные графики
Шаг 1
Визуализация сложных пространственных фигур
Шаг 1
Шаг 2
Шаг 3
Шаг 4
Шаг 5
Техника анимирования графиков
Шаг 1

Основные средства решения дифференциальных уравнений
Важное место в математических расчетах занимает решение дифференциальных уравнений. К нему, в частности, обычно относится анализ поведения различных систем во времени (анализ динамики), а также вычисление различных полей (тяготения, электрических зарядов и т. д.). Трудно переоценить роль дифференциальных уравнений в моделировании физических и технических объектов и систем, Maple 7 позволяет решать одиночные дифференциальные уравнения и системы дифференциальных уравнений как аналитически, так и в численном виде.

Представление решений диф. уравнений
Шаг 1
Шаг 2
Шаг 3
Функция DEplot из пакета DEtools
Шаг 1
Шаг 2
Функция DEplotSd из пакета DEtools
Шаг 1
Функция PDEplot пакета DEtools

Феномен науки. Кибернетический подход к эволюции

Среди огромной массы научной и научно-популярной литературы совсем немного книг, которые можно считать вехами на пути человечества в формировании целостного и оптимистического мировоззрения, т.е. книг философских в истинном смысле этого слова. Книга, которую держит в руках читатель, несомненно, принадлежит к этой редкой категории. И это не случайно, так как ее автор являет собой редкий тип ученого-естественника, который философствует не потому, что это модно, престижно или, скажем, принято. Он философствует для того, чтобы привести в прямое соответствие философские знания и практику собственной жизни.
Автор излагает оригинальную теорию эволюции, базируясь на современных кибернетических концепциях и на одной основной идее, а именно — идее метасистемного перехода как кванта эволюции. Внешне все очень просто. Если у вас есть некоторая исходная кибернетическая система (амеба, человек, общество и т.п.), то метасистемный переход — это переход к некоторой другой системе, включающей в себя множество систем типа исходной. По сути здесь всегда возникает новый уровень управления. Примеры: переход от простейших одноклеточных организмов к многоклеточным, возникновение нервной системы, мозга, речи и т.д.
Но заслуга автора не ограничивается тем, что он высказывает идею метасистемного перехода как кванта эволюции. Он прослеживает с позиции этой идеи эволюцию на Земле от простейших макромолекул до современной науки (математики, философии) и культуры. Делает он это столь ярко и интересно, что не остается никаких сомнений в огромной мощности исходной идеи. По сути своей “Феномен науки” — глубокая научно-философская книга, но написана она как роман и, чтобы прочесть ее, достаточно любопытства и знаний в объеме средней школы.

Основной закон эволюции
Понятийные сваи
Формализация научного языка
Разговор с электрическим мозгом
Где они, двери в бессмертие?
Кибернетика и общество
Язык, беспорядок и помехи
КИБЕРНЕТИЧЕСКИЙ МАНИФЕСТ
Немного о кибернетике (I)
Немного о кибернетике (II)
Кибернетический подход и система философских взглядов Винера
Предтечи кибернетики в древней Индии
Мое отношение к кибернетике, ее прошлое и будущее
Синергетика 2, Cинергетика 3 или Эволюционная кибернетика
Эволюционно-кибернетический подход к проблеме познания
Программированное обучение
Кибернетика и человек

Теория и практика параллельных вычислений

Применение параллельных вычислительных систем (ПВС) является стратегическим направлением развития вычислительной техники. Это обстоятельство вызвано не только принципиальным ограничением максимально возможного быстродействия обычных последовательных ЭВМ, но и практически постоянным наличием вычислительных задач, для решения которых возможностей существующих средств вычислительной техники всегда оказывается недостаточно. Так, проблемы "большого вызова" [54] возможностям современной науки и техники: моделирование климата, генная инженерия, проектирование интегральных схем, анализ загрязнения окружающей среды, создание лекарственных препаратов и др. - требуют для своего анализа ЭВМ с производительностью более 1000 миллиардов операций с плавающей запятой в секунду (1 TFlops).

Введение
Пути достижения параллелизма
Моделирование и анализ параллельных вычислений
Алгоритмы маршрутизации
Принципы разработки параллельных методов
Параллельное программирование на основе MPI
Параллельные методы умножения матрицы на вектор
Постановка задачи
Решение систем линейных уравнений
Параллельные методы сортировки
Параллельные методы на графах
Параллельные методы решения дифференциальных уравнений в частных производных
Общая характеристика системы

Теория и реализация языков программирования

В книге представлены "классические" разделы теории разработки компиляторов: лексический и синтаксический анализ, организация памяти компилятора (таблицы символов) и периода исполнения (магазина), генерация кода. Рассматриваются такие средства автоматизации процесса разработки трансляторов, как LEX, YACC, СУПЕР, методы генерации оптимального кода. Сделана попытка на протяжении всего изложения провести единую "атрибутную" точку зрения на процесс разработки компилятора. В книге не затрагиваются чрезвычайно важные вопросы глобальной оптимизации и разработки компиляторов для машин с параллельной архитектурой. Авторы надеются восполнить эти пробелы в будущем. Книга рассчитана как на студентов и аспирантов программистских специальностей, так и на профессионалов в области программирования.

Предисловие
Место компилятора в программном обеспечении
Алфавиты, цепочки и языки
Лексический анализ
Контекстно-свободные грамматики и автоматы с магазинной памятью
Элементы теории перевода
Описание областей видимости и блочной структуры
Организация таблиц символов
Промежуточное представление программы
Генерация кода
Системы автоматизации построения трансляторов
Формальные свойства
Определение атрибутных грамматик
Представление языков

Путь камикадзе

Вряд ли можно где-нибудь увидеть объявление о найме для участия в безнадежном проекте. Какой смысл спрашивать: «Хотите ли вы работать сверхурочно без какой-либо прибавки к зарплате? Привлекает ли вас бесконечная работа по устаревшей технологии и тщетное ожидание участия в каком-нибудь замечательном проекте GUI/DSS/DWH/HTML? Каково будет узнать, что трехзвенная архитектура «клиент-сервер» позволит остальным участникам проекта обойтись без вашей помощи?»
На самом деле, безнадежные проекты редко объявляются таковыми во всеуслышание, и вам придется достаточно долго проработать в нанявшей вас компании, прежде чем удастся обнаружить, что она обладает склонностью плодить безнадежные проекты.
Если вашему коллеге приходится руководить безнадежным проектом, то ему можно посоветовать включить в контракт пункт, позволяющий цивилизованным способом выйти из проекта. Одна из серьезных причин выхода - неспособность высшего руководства воспринимать правдивую информацию о проекте. Принимающий на себя руководство безнадежным проектом должен быть готов к тому, что у него будет практически отсутствовать пространство для маневра в отношении функциональности, затрат или времени.

Определение безнадежного проекта
Минимально необходимый набор средств

Лекции по управлению программными проектами

Термин software (программное обеспечение, ПО) ввел в 1958 году всемирно известный статистик Джон Тьюкей (John Tukey). Термин software engineering (программная инженерия) впервые появился в названии конференции НАТО, состоявшейся в Германии в 1968 году и посвященной так называемому кризису программного обеспечения. С 1990-го по 1995 год велась работа над международным стандартом, который должен был дать единое представление о процессах разработки программного обеспечения. В результате был выпущен стандарт ISO/IEC 12207 . В 2004 году в отрасли был создан основополагающий труд «Руководство к своду знаний по программной инженерии» (SWEBOK) , в котором были собраны основные теоретические и практические знания, накопленные в этой отрасли.

Продолжение

Введение в теорию программирования. Объектно-ориентированный подход

Важнейшими математическими формализациями, рассматриваемыми в данном курсе, являются ламбда-исчисление и комбинаторная логика.
Еще в 1924 г. М. Шейнфинкель (Moses Schonfinkel) разработал простую (simple) теорию функций, которая фактически являлась исчислением объектов-функций и предвосхитила появление ламбда-исчисления – математической формализации, поддерживающей языки функционального программирования (т.е. программирования в терминах функций).
Затем в 1934 г. А. Черч (Alonso Church) предложил собственно исчисление ламбда-конверсий (или ламбда-исчисление) и применил его для исследования теории множеств. Вклад ученого был фундаментальным, так что теория до сих пор называется ламбда-исчислением и часто именуется в литературе ламбда-исчислением Черча.
Позднее, в 1940 г., Х. Карри (Haskell Curry) создал теорию функций без переменных (иначе называемых комбинаторами), известную в настоящее время как комбинаторная логика. Эта теория является развитием ламбда-исчисления и представляет собой формальный язык, подобный языку функционального программирования.
В 60-х годах Х. Барендрегтом (H. Barendregt) были детально описаны синтаксис (т.е. форма конструкций) и семантика (т.е. значение конструкций) ламбда-исчисления.

Вступительная лекция
Объектно-ориентированный подход к программированию
Платформа.NET и ее применение для объектно-ориентированного подхода к программированию
Основные понятия языка программирования C#
Краткая информация о платформе .NET
Семантика основных конструкций языка программирования C#
Основные понятия объектно-ориентированного подхода: объекты, классы и методы
Классы и обьекты
Теория типов и типизация в .NET
Концепция наследования и ее реализация в языке C#
Концепция инкапсуляции и ее реализация в языке C# (2)
Концепция полиморфизма
Расширенные возможности полиморфизма в языке C#
Интерфейсы
Обработка событий
Компонентное программирование в .NET
Гетерогенные приложения

Математическая теория формальных языков

Цель этого курса - познакомить читателя с некоторыми основополагающими моделями и результатами, используемыми в теоретической информатике. Неудивительно, что они относятся к математике, а не к какой-либо другой области знаний - ведь в науке о компьютерах именно математические абстракции являются самыми плодотворными.
Рассматриваемые здесь идеи и результаты принадлежат теории формальных языков, грамматик и автоматов. По существу, эта теория описывает некоторые ограниченные абстрактные машины, способные выполнять определенные операции со строками. Например, конечный автомат может выяснить, содержит ли некоторый файл определенное слово, а автомат с магазинной памятью способен определить, правильна ли система вложенных круглых, квадратных и фигурных скобок.

Предисловие
Конечные автоматы
Основные свойства автоматных языков
Слова, языки и грамматики
Дополнительные свойства автоматных языков
Регулярные выражения
Синтаксические моноиды
Неоднозначность в контекстно-свободных грамматиках
Нормальные формы контекстно-свободных грамматик
Основные свойства контекстно-свободных языков
Автоматы с магазинной памятью
Дополнительные свойства контекстно-свободных языков
Детерминированные контекстно-свободные языки
Синтаксический разбор
Алгоритмические проблемы
Алгоритмически разрешимые проблемы
Алгоритмически неразрешимые проблемы

Основы теории нечетких множеств

Теория нечетких множеств представляет собой обобщение и переосмысление важнейших направлений классической математики. У ее истоков лежат идеи и достижения многозначной логики, которая указала на возможности перехода от двух к произвольному числу значений истинности и поставила проблему оперирования понятиями с изменяющимся содержанием; теории вероятностей, которая, породив большое количество различных способов статистической обработки экспериментальных данных, открыла пути определения и интерпретации функции принадлежности; дискретной математики, которая предложила инструмент для построения моделей многомерных и многоуровневых систем, удобный при решении практических задач.
Подход к формализации понятия нечеткого множества состоит в обобщении понятия принадлежности. В обычной теории множеств существует несколько способов задания множества. Одним из них является задание с помощью характеристической функции, определяемой следующим образом. Пусть — так называемое универсальное множество, из элементов которого образованы все остальные множества, рассматриваемые в данном классе задач, например множество всех целых чисел, множество всех гладких функций и т.д.

Основные определения
Нечеткие отношения
Классы нечетких отношений
Показатель размытости нечетких множеств. Нечеткие меры и интегралы
Методы построения функции принадлежности. Классификация
Прямые методы для одного эксперта
Нечеткие треугольные числа
Нечеткая логика
Понятие лингвистической переменной
Теория приближенных рассуждений
Формализация понятия нечеткого алгоритма
Нечеткие алгоритмы обучения
Нечеткие цели, ограничения и решения
Игры в нечетко определенной обстановке

Нейрокомпьютинг и его применения в экономике и бизнесе

Наш опыт свидетельствует, что главным препятствием к широкому практическому применению нейрокомпьютинга служит недостаточное понимание его основ. Эта книга писалась с целью восполнить этот пробел. Поэтому основное внимание здесь уделяется описанию принципов нейросетевой обработки данных, их потенциальных возможностей и преимуществ, а также подробному разбору нескольких конкретных применений. Упор делается на концептуальной стороне дела, а не на описании конкретных алгоритмов. Предполагается, что в случае необходимости читатель сможет воспользоваться одним из многочисленных коммерческих нейро-эмуляторов, а не возьмется программировать нейросети "с нуля" на С++. Главная задача книги - научить читателя "видеть" нейросетевые постановки задач в его повседневной работе, помочь ему автоматизировать рутинную обработку сложной многофакторной информации с помощью современного математического аппарата - искусственных нейронных сетей.
Хотя мы старались избегать математических выкладок и, по возможности, упростить изложение, хотелось бы заранее предупредить, что материал этой книги рассчитан на достаточно подготовленного читателя - как минимум студента старших курсов. Наш "идеальный" читатель - студент, научный работник, финансовый аналитик, консультант, брокер или просто бизнесмен, желающий повысить эффективность своего бизнеса путем более вдумчивой работы с доступной ему информацией.

Нейрокомпьютеры в заголовках газет
Одной из характерных черт нейрокомпьютинга является обучение на примерах. Поэтому и мы начнем с серии примеров, которые лучше любых описаний наметят возможные области практических приложений нейросетей и подкрепят решимость читателя заняться их изучением. В последнее время в прессе все чаще стали мелькать сообщения, где так или иначе упоминаются искусственные нейронные сети. Вот только несколько выдержек, иллюстрирующих возможные области применений нейросетей

Нейрокомпьютеры в заголовках газет
Нейрокомпьютеры в заголовках газет - 2
Нейрокомпьютеры в заголовках газет - 3
Нейрокомпьютеры в заголовках газет - 4
Из чего построен мозг
Из чего построен мозг - 2
Структура и функции мозга
Структура и функции мозга - 2
Восприятие
Память

Краткая история нейрокомпьютинга
В прошлой лекции появление нейрокомпьютеров представлено как закономерный этап развития вычислительной техники. В результате, у читателя может сложиться впечатление, что и сама идея нейрокомпьютинга - недавнее изобретение. Это, однако, не так. Пути Эволюции редко бывают прямыми. Идеи нейрокомпьютинга появились практически одновременно с зарождением последовательных ЭВМ.

Элементная база нейрокомпьютеров
Элементная база нейрокомпьютеров - 2
Как устроены нейрокомпьютеры
Сравнение вычислительных возможностей
Сравнение стоимости вычислений
Нейро-эмуляторы
Преимущества нейро-эмуляторов
Готовые нейро-пакеты
Инструменты разработки нейроприложений
Готовые решения на основе нейросетей

Персептроны. Прототипы задач
Сети, о которых пойдет речь в этой лекции, являются основной "рабочей лошадкой" современного нейрокомпьютинга. Подавляющее большинство приложений связано именно с применением таких многослойных персептронов или для краткости просто персептронов (напомним, что это название происходит от английского perception - восприятие, т.к. первый образец такого рода машин предназначался как раз для моделирования зрения). Как правило, используются именно сети, состоящие из последовательных слоев нейронов. Хотя любую сеть без обратных связей можно представить в виде последовательных слоев, именно наличие многих нейронов в каждом слое позволяет существенно ускорить вычисления используя матричные ускорители.

Возможности многослойных персептронов
Нейрон - классификатор
Выбор функции активации
Двухслойные персептроны
Персептрон Розенблатта
Основы индуктивного метода
Байесовский подход
Принцип максимального правдоподобия
Принцип минимальной длины описания
Градиентное обучение

Обобщение данных. Прототипы задач
В этой лекции рассматривается новый тип обучения нейросетей - обучение без учителя (или для краткости - самообучение), когда сеть самостоятельно формирует свои выходы, адаптируясь к поступающим на ее входы сигналам. Как и прежде, такое обучение предполагает минимизацию некоторого целевого функционала. Задание такого функционала формирует цель, в соответствии с которой сеть осуществляет преобразование входной информации.

Нейрон - индикатор
Постановка задачи
Правило обучения Хебба
Правило обучения Ойа
Взаимодействие нейронов: анализ компонент
Постановка задачи
Необходимость взаимодействия нейронов
Самообучающийся слой
Сравнение с традиционным анализом
Целевая функция

Исторический поворот в 1982 году
В 1982 году в докладах Американской академии наук была опубликована статья американского физика, специалиста в области физики твердого тела из Калифорнийского Технологического Института, Джона Хопфилда (Hopfield, 1982a). С этой работы начался бурный процесс возрождения интереса к искусственным нейронным сетям, на который так негативно повлияла в конце шестидесятых книга Минского и Пейперта. В работе Хопфилда впервые было обращено внимание на аналогию, которая существует между сетями с симметричными связями и давно известными физикам объектами - спиновыми стеклами. Кроме того, стало ясно, что такие сети служат прекрасной основой для построения моделей содержательно-адресованной памяти. И наконец, обнаружилось, что нейронные сети могут быть успешно исследованы с помощью методов теоретической физики, в частности, статистической механики.

Спиновые стекла
Спиновые стекла - 2
Симметричность связей
Асинхронная динамика
Метрика пространства состоянний
Энергия состояния
Ассоциативная память
Обучение сети. Правило Хебба
Модель Крика - Митчисона. Разобучение
Модель Крика - Митчисона. Разобучение - 2

Комбинаторная оптимизация и задача коммивояжера
В задачах комбинаторной оптимизации требуется найти наилучшее из конечного, но обычно очень большого числа возможных решений. Если задача характеризуется характерным числом элементов (размерностью задачи), то типичное число возможных решений, из которых предстоит сделать выбор, растет экспоненциально

Оптимизация и сеть Хопфилда
Оптимизация и сеть Хопфилда - 2
Оптимизация и сеть Хопфилда - 3
Имитация отжига
Метод эластичной сети
Оптимизация с помощью сети Кохонена.
Оптимизация с помощью сети Кохонена. - 2
Растущие нейронные сети
Растущие нейронные сети - 2
Добавление нового нейрона.

Необходимые этапы нейросетевого анализа
Теперь, после знакомства с базовыми принципами нейросетевой обработки, можно приступать к практическим применениям полученных знаний для решения конкретных задач. Первое, с чем сталкивается пользователь любого нейропакета - это необходимость подготовки данных для нейросети. До сих пор мы не касались этого, вообще говоря, непростого вопроса, молчаливо предполагая, что данные для обучения уже имеются и представлены в виде, доступном для нейросети. На практике же именно предобработка данных может стать наиболее трудоемким элементом нейросетевого анализа. Причем, знание основных принципов и приемов предобработки данных не менее, а может быть даже более важно, чем знание собственно нейросетевых алгоритмов. Последние как правило, уже "зашиты" в различных нейроэмуляторах, доступных на рынке.

Кодирование входов-выходов
Максимизация энтропии как цель предобработки
Типы нечисловых переменных
Кодирование ординальных переменных
Кодирование категориальных переменных
Отличие входных и выходных переменных
Нормировка и предобработка данных
Индивидуальная нормировка данных
Индивидуальная нормировка данных - 2
Совместная нормировка: выбеливание входов

Предсказание как вид бизнеса
В этой лекции рассмотрено одно из самых популярных практических приложений нейросетей - предсказание рыночных временных рядов. В этой области предсказания наиболее тесно связаны с доходностью, и могут рассматриваться как один из видов бизнеса.

Кому нужно предсказывать рынок?
Можно ли предсказывать рынок?
Технический анализ и нейронные сети
Технический анализ и нейронные сети - 2
Методика предсказания временных рядов
Метод погружения. Теорема Такенса
Свидетельства предсказуемости фин. рядов
Свидетельства предсказуемости фин. рядов - 2
Формирование входного пространства признаков
Выбор функционала ошибки

Извлечение знаний
В последние годы созданы огромные базы данных, в которых хранится информация научного, экономического, делового и политического характера. В качестве примера можно привести GenBank, содержащий террабайты данных о последовательностях ДНК живых организмов. Для работы с подобными базами разработаны компьютерные технологии, позволяющие хранить, сортировать и визуализировать данные, осуществлять быстрый доступ к ним, осуществлять их статистическую обработку. Значительно меньшими являются, однако, достижения в разработке методов и программ, способных обнаружить в данных важную, но скрытую информацию. Можно сказать, что информация находится к данным в таком же отношении, как чистое золото к бедной золотоносной руде. Извлечение этой информации может дать критический толчок в бизнесе, в научных исследованиях и других областях.

Извлечение правил из нейронных сетей
Обучение нейронной сети
Обучение нейронной сети - 2
Прореживание нейронной сети
Извлечение правил
Извлечение правил - 2
Извлечение правил - 3
Извлечение правил - 4
Исправление данных
Исправление данных - 2

Рейтинг корпоративных облигаций
Существуют две базовые инвестиционные стратегии: активная, основанная на предсказаниях доходности тех или иных активов, и пассивная, в которой рынок полагают непредсказуемым, и главной целью ставят минимизацию рисков. Оценка инвестиционного риска, таким образом, является одним из краеугольных камней финансового анализа. В этой лекции рассмотрены основные нейросетевые методики оценки рисков и составления рейтингов.

Рейтинг корпоративных облигаций
Рейтинг корпоративных облигаций - 2
Рейтинг корпоративных облигаций - 3
Оценка акций
Предсказание рисков банкротств
Исторические корни
Нейросетевое предсказание банкротств
Обсуждение
Сравнительный анализ финансового состояния
Постановка задачи

Нейронные сети и статистика
Поскольку в настоящее время нейронные сети с успехом используются для анализа данных, уместно сопоставить их со старыми хорошо разработанными статистическими методами. В литературе по статистике иногда можно встретить утверждение, что наиболее часто применяемые нейросетевые подходы являются ни чем иным, как неэффективными регрессионными и дискриминантными моделями. Мы уже отмечали прежде, что многослойные нейронные сети действительно могут решать задачи типа регрессии и классификации. Однако, во-первых, обработка данных нейронными сетями носит значительно более многообразный характер - вспомним, например, активную классификацию сетями Хопфилда или карты признаков Кохонена, не имеющие статистических аналогов.

Являются ли нейронные сети языком описания?
В чем различие нейронных сетей и статистики?
В чем различие нейронных сетей и статистики? - 2
В чем различие нейронных сетей и статистики? - 3
Статистические методы или нейронные сети?
Статистические методы или нейронные сети? - 2
Статистики ревнуют специалистов по нейросетям
Перекрестное опыление.
Практические выводы
Нейронные сети и экспертные системы


Моделирование взаимосвязей между сущностями
Инглвуд Линда - Искатель Приключений
Иванов Николай - Операцию Шторм Начать Раньше
Основы термоядерной отладки с linice
Cамоучитель по Java
Есть такой язык - Java
Программирование на Java
Java
Программирование на Java.Подробное руководство
Java программирование
Программирование на Java
Пишем и читаем на Java
Java 2 Micro Edition (J2ME)
Спецификация Java Server Pages 1.2
Программирование на языке Java
Основы программирования на JavaScript
Доступ к базам данных из Javaпрограмм и проблемы русификации
Домашний электрик
Язык и архитектура Java
Java язык программирования