Учебное пособие посвящено изложению основ теории нейронных сетей и работы с популярным фреймвоком KERAS и TENSORFLOW. Приводятся также все необходимые вводные материалы для дальнейшего понимания.
Адресовано, в первую очередь, студентам-бакалаврам, а также магистрам направления «Информационные системы и технологии», а также широкому кругу читателей, интересующихся нейронными сетями и приложениями.
В статье рассмотрена актуальность и необходимые условия внедрения в комплексы воен-
ного назначения с разноспектральными датчиками систем технического зрения программно-аппа-
ратных средств автоматического распознавания объектов вооружения, военной и специальной
техники (ВВСТ). Приведены результаты анализа возможностей обучения нейронных сетей автоматическому распознаванию объектов. Показана необходимость создания отечественного межвидового банка данных оптических и радиолокационных сигнатур объектов ВВСТ
В монографии рассматривается применение системного интегрированного подхода к управлению качеством продукции на основе интеллектуальных технологий в едином информационном пространстве предприятия, сочетающего преимущества классического системного подхода и процесса интеграции информационных и технологических потоков, охватывающего этапы жизненного цикла продукции. Материалы монографии представляют интерес для специалистов, занимающихся интеллектуализации мониторинга технологических систем на основе автоматизированных станочных модулей и её связи с качеством производства деталей точного машиностроения, а также аспирантов и студентов при изучении соответствующих учебных курсов.
В монографии рассматриваются вопросы разработки и применения экспертных систем поддержки принятия решения для контроля, диагностирования и выбора режима резания для токарных и шлифовальных автоматических станочных модулей и станков с ЧПУ. Экспертные системы являются встроенными для отечественных станков или автономными для зарубежных, причем в обоих случаях они связаны с системой мониторинга технологического процесса изготовления высокоточных деталей. Материалы монографии представляют интерес для специалистов, занимающихся интеллектуализации мониторинга технологических систем на основе автоматизированных станочных модулей и её связи с качеством производства деталей точного машиностроения, а также аспирантов и студентов при изучении соответствующих учебных курсов.
В монографии рассматриваются вопросы разработки и применения гибридной интеллектуальной системы для идентификации дефектов шлифованных дорожек качения колец подшипников на основе применения теории распознавания образов с использованием вейвлет-преобразований сигналов вихретокового датчика и нейронных сетей, а также приводятся результаты использования интеллектуальных технологий при интеграции «технологического уровня» единого информационного пространства предприятия на уровне АСУТП при создании системы мониторинга технологического процесса изготовления высокоточных деталей. Материалы монографии представляют интерес для специалистов, занимающихся вопросами интеллектуализации мониторинга технологических систем на основе автоматизированных станочных модулей и её связи с качеством изготовления деталей точного машиностроения, а также аспирантов и студентов при изучении соответствующих учебных курсов.
В монографии рассмотрены и проанализированы достижения авторов книги и других исследователей в двух направлениях нейрокриптографии: использование и сопоставительный анализ эффективности и безопасности нейросетевых архитектур в виде древовидных машин четности (ТРМ) на основе различных алгебр (действительных и комплексных чисел, кватернионов и октонионов) и применение нейронных сетей с хаотическими функциями отображения для операций над хеш-функциями.
Пособие содержит обзорные учебные материалы по принципам построения и машинного обучения искусственных нейронных сетей. Рассмотрены основные архитектуры сетей и алгоритмы их обучения, используемые при решении задач оценивания, прогнозирования и поддержки принятия решений.
Учебное пособие предназначено для студентов направления подготовки 01.03.04 при изучении курса «Нейронные сети», а также при подготовке выпускных квалификационных работ, в которых используются модели нейронных сетей.
