Pages: | 1 | 2 |

«ВВЕДЕНИЕ В ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ УДК 004.8 (075.8) ББК 32.813я73 C34 Сидоров С. П., Дудов С. И. С34 Введение в интеллектуальные информационные системы: Учеб. пособие для студентов мех.-мат. фак. ...»

-- [ Страница 3 ] --

При сравнении нейронных сетей прямого распространения и модели Бокса– Дженкинса (при этом использовались данные о графике пассажирских авиаперевозок, данные об объемах продаж в США автомобилей фирм США и автомобилей зарубежных производителей) эксперты пришли к выводу, что модель Бокса–Дженкинса дает лучший краткосрочный прогноз, в то время как модель на основе нейронных сетей предпочтительнее при долгосрочном прогнозе.

Вслед за успешным применением нейронных сетей прямого распространения в научных работах практически все системы для интеллектуального анализа данных используют нейронные сети в качестве инструмента прогноза.

Список используемой литературы 1. Абдикеев Н. М. Проектирование интеллектуальных систем в экономике. М.: Экзамен, 2004.

2. Братко И. Программирование на языке Пролог для искусственного интеллекта.

М.: Мир, 1990.

3. Гаврилова Т. А., Хорошевский Т. А. Базы знаний интеллектуальных систем. СПб.:

Питер, 2000.

4. Галушкин А. Теория нейронных сетей. М.: ИПРЖР, 2000.

5. Горбань А. Н., Россиев Д. А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996.

6. Кнут Д. Искусство программирования: В 3 т. М.: Мир, 1975. Т. 1.

7. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика.

М.: Горячая линия Телеком, 2001.

8. Люгер Д. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е изд. М.: Издательский дом "Вильямс", 2003.

9. Нильсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985.

10. Осипов Г. С. Приобретение знаний интеллектуальными системами. М.: Наука, 11. Осуга С. Обработка знаний. М.: Мир, 1989.

12. Осуга С., Саэки Ю., Судзуки Х. и др. Приобретение знаний / Под ред. С. Осуга, Ю. Саэки. М.: Мир, 1990.

13. Попов Э., Фоминых И., Кисель Е., Шапот М. Статические и динамические экспертные системы М.: Финансы и статистика, 1996.

14. Таунсенд К., Фохит Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика, 1990.

15. Уоссермен Ф. Нейрокомпьютерная техника : Теория и практика. М.: Мир, 1992.

16. Уотерман Д. Руководство по экспертным системам. М.: Мир, 1989.

17. Уэно Х., Кояма Т., Окамото Т. и др. Представление и использование знаний /Под ред. Х. Уэно, М. Исидзука. М.: Мир, 1989.

18. Хювенен Э., Сеппянен Й. Мир Лиспа: В 2 т. М.: Мир, 1990.

19. Элти Д., Кумбс М. Экспертные системы. Концепции и примеры. М.: Финансы и статистика, 1987.

Оглавление 6.1.2. Постановка задачи классификации................... 6.1.3. Математическая постановка задачи обучения............. 6.1.4. Практическое применение методов классификации.......... 6.1.6. Модуль Discriminant analysis системы STATISTICA.......... 6.2.1. Деревья решений и области их применения.............. 6.2.3. Алгоритм формирования дерева решения по обучающей выборке. 6.3. Искусственные нейронные сети......................... 6.3.1. Основные проблемы, решаемые искусственными нейронными сетями 6.3.4. Архитектура многослойной сети прямого распространения..... 6.3.6. Обучение многослойной сети прямого распространения.......

ВВЕДЕНИЕ В ИНТЕЛЛЕКТУАЛЬНЫЕ

ИНФОРМАЦИОННЫЕ СИСТЕМЫ

для студентов механико-математического факультета Технический корректор Л. В. Агальцова Оригинал-макет подготовлен в пакете L TEX в лаборатории Информационные системы в экономике Подписано в печать 24.12.04. Формат 60 84 1/16.

Бумага офсетная. Гарнитура Компьютер Модерн. Печать офсетная.

Усл. печ. л. 5,58(6,25). Уч.-изд. л. 4,8. Тираж 200. Заказ Издательство Саратовского университета.