Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. В. Г. Потемкин

Предметный указатель

Литература

Книги на английском языке:

4. 
   Battiti R. First and second order methods for learning: Between steepest descent
   and Newton’s method. // Neural Computation. 1992. Vol. 4, N 2. P. 141–166.
   
5. 
   Beale E. M. L. A derivation of conjugate gradients in F. A. Lootsma.// Numerical
   methods for nonlinear optimization. London: Academic Press, 1972.
   
6. 
   Brent R. P. Algorithms for Minimization Without Derivatives. Englewood Cliffs,
   NJ: Prentice-Hall, 1973.
   
7. 
   Brent R. P. Introduction to Non-Linear Estimation. 1985.
   
8. 
   Caudill M. Neural Networks Primer. San Francisco, CA: Miller Freeman Publications, 1989.
   
9. 
   Caudill M., Butler C. Understanding Neural Networks: Computer Explorations: Vols. 1, 2. Cambridge, MA: MIT Press, 1992.
   
10. 
    Chen S., Cowan C. F. N., Grant P. M. Orthogonal least squares learning algorithm for radial basis function networks// IEEE Transactions on Neural Networks. 1991. Vol. 2,
    N 2. P. 302-309.
    
11. 
    Charalambous C. Conjugate gradient algorithm for efficient training of artificial neural networks// IEEE Proceedings. 1992. Vol. 139, N 3. P. 301–310.
    
12. 
    Dennis J. E., Schnabel R. B. Numerical Methods for Unconstrained Optimization
    and Nonlinear Equations. Englewood Cliffs, NJ: Prentice-Hall, 1983.
    
13. 
    Elman J. L. Finding structure in time// Cognitive Science. 1990. Vol. 14. P. 179-211.
    
14. 
    Foresee F. D., Hagan M. T. Gauss-Newton approximation to Bayesian regularization// Proceedings of the 1997 International Joint Conference on Neural Networks. 1997.
    P. 1930-1935.
    
15. 
    Fletcher R., Reeves C. M. Function minimization by conjugate gradients// ComputerJournal. 1964. Vol. 7. P. 149-154.
    
16. 
    Gill P. E., Murray W., Wright M. H. Practical Optimization. New York: Academic
    Press, 1981.
    
17. 
    Grossberg, S. Studies of the Mind and Brain. Drodrecht, Holland: Reidel Press, 1982.
    
18. 
    Hagan M. T., Demuth H. B. Neural Networks for Control// Proceedings of the 1999American Control Conference. SanDiego: CA, 1999. P. 1642-1656.
    
19. 
    Hagan M. T., De Jesus O., Schultz R. Training Recurrent Networks for Filtering
    and Control. Ch. 12.// Recurrent Neural Networks: Design and Applications,
    L. Medsker, L.C. Jain,Eds. CRC Press, 1999. P. 311-340.
    
20. 
    Hagan M.T., Menhaj M. Training feedforward networks with the Marquardt algorithm// IEEE Transactions on Neural Networks.1994. Vol. 5, N 6. P. 989–993.
    
21. 
    Hagan M. T., Demuth H. B., Beale M.H. Neural Network Design. Boston, MA: PWS Publishing, 1996.
    
22. 
    Hebb D. O. The Organization of Behavior. New York: Wiley, 1949.
    
23. 
    Himmelblau D. M., Applied Nonlinear Programming. New York: McGraw-Hill, 1972.
    
24. 
    Hunt K. J., Sbarbaro D., Zbikowski R., Gawthrop P. J. Neural Networks for Control System – A Survey// Automatica. 1992. Vol. 28. P. 1083-1112.
    
25. 
    Jolliffe I. T. Principal Component Analysis. New York: Springer-Verlag. 1986.
    
26. 
    Kohonen T. Self-Organization and Associative Memory.2nd ed. Berlin: Springer-Verlag, 1987.
    
27. 
    Kohonen, T. Self-Organizing Maps, Second Edition. Berlin: Springer-Verlag. 1997.
    
28. 
    Li J., Michel A. N., Porod W. Analysis and synthesis of a class of neural networks: linear systems operating on a closed hypercube// IEEE Transactions on Circuits and Systems. 1989. Vol. 36, N 11. P. 1405-1422.
    
29. 
    Lippman R. P. An introduction to computing with neural nets// IEEE ASSP Magazine. 1987. P. 4-22.
    
30. 
    MacKay D. J. C. Bayesian interpolation// Neural Computation. 1912. Vol. 4. N 3.
    P. 415-447.
    
31. 
    McCulloch W. S., Pitts W. H. A logical calculus of ideas immanent in nervous activity// Bulletin of Mathematical Biophysics. 1943. Vol. 5. P. 115-133.
    
32. 
    Moller M. F. A scaled conjugate gradient algorithm for fast supervised learning// NeuralNetworks. 1993. Vol. 6. P. 525-533.
    
33. 
    Murray R. D., Sbarbaro N. D. Neural Networks for Modeling and Control of a Non-linear Dynamic System//Proceedings of the 1992 IEEE International Symposium on IntelligentControl.1992. P. 404-409.
    
34. 
    Narendra K. S., Mukhopadhyay S. Adaptive Control Using Neural Networks and Approximate Models// IEEE Transactions on Neural Networks. 1997. Vol. 8. P. 475-485.
    
35. 
    Nguyen D., Widrow B. The truck backer-upper: An example of self-learning in neural networks// Proceedings of the International Joint Conference on Neural Networks. 1989. Vol 2. P. 357-363.
    
36. 
    Nguyen D., Widrow B. Improving the learning speed of 2-layer neural networks by choosing initial values of the adaptive weights// Proceedings of the International JointConference on Neural Networks. 1990. Vol 3. P. 21-26.
    
37. 
    Powell M. J. D. Restart procedures for the conjugate gradient method// MathematicalProgramming. 1977. Vol. 12. P. 241-254.
    
38. 
    Purdie N., Lucas E. A., Talley M. B. Direct measure of total cholesterol and its
    distribution among major serum lipoproteins// Clinical Chemistry.1992. Vol. 38, N 9.
    P. 1645-1647.
    
39. 
    Riedmiller M., Braun H. A direct adaptive method for faster backpropagation learning: The RPROP algorithm// Proceedings of the IEEE International Conference on Neural Networks. 1993.
    
40. 
    Rosenblatt F. Principles of Neurodynamics. Washington D. C.: Spartan Press, 1961;
    :Пер. с англ. Розенблатт Ф. Принципы нейродинамики. М.: Мир, 1965.
    
41. 
    Rumelhart D. E., Hinton G. E., Williams R. J. Learning internal representations by error propagation. Еd. by D. E. Rumelhart, J. L. McClelland// Parallel Data Processing. 1986. Vol.1. Cambridge, MA: The M.I.T. Press. P. 318-362.
    
42. 
    Rumelhart D. E., Hinton G. E., Williams R. J. Learning representations by back-propagating errors// Nature. 1986. Vol. 323. P. 533–536.
    
43. 
    Soloway D., Haley P. J. Neural Generalized Predictive Control// Proceedingsof the 1996IEEE International Symposium on Intelligent Control. 1996. P. 277-281.
    
44. 
    Scales L. E. Introduction to Non-Linear Optimization. New York: Springer-Verlag, 1985.
    
45. 
    Vogl T.P., Mangis J.K. et al. Accelerating the convergence of the backpropagation method// Biological Cybernetics. 1988. Vol. 59. P. 256-264.
    
46. 
    Wasserman P. D. Advanced Methods in Neural Computing. New York: Van Nostrand Reinhold, 1993.
    
47. 
    Widrow B., Hoff M .E. Adaptive switching circuits// 1960 IREWESCON ConventionRecord. New York IRE. 1960. P. 96-104.
    
48. 
    Widrow B., Sterns S. D. Adaptive Signal Processing. New York: Prentice-Hall, 1985.
    

Книги на русском языке:

49. 
    Беркинблит М. Б. Нейронные сети. М.: МИРОС, 1993.
    
50. 
    Уоссерман Ф. Нейрокомпьютерная техника. М.: Мир, 1992.
    
51. 
    Мишулина О. А., Лабинская А. А., Щербинина М. В. Лабораторный практикум
    по курсу "Введение в теорию нейронных сетей". М.: МИФИ, 2000. 204 с.
    
52. 
    Омату С., Халид М., Юсоф Р. Нейроуправление и его приложения. М.: ИПРЖРБ, 2000. 272 с.
    
53. 
    Тихонов А. Н. О решении некорректно поставленных задач и методе регуляри­зации// Доклады АН СССР. Т.151, № 3. 1963.
    
54. 
    Лазарев Ю. Ф. MatLAB 5.x. Киев: Издат. группа BHV, 2000. 384 с.
    
55. 
    Гультяев А. К. Визуальное моделирование в среде MATLAB: Учеб. курс. СПб: Питер, 2000. 432 с.
    
56. 
    Потемкин В. Г. Инструментальные средства MATLAB 5.х. М.: Диалог-МИФИ, 2000. 336 с.
    
57. 
    Медведев В. С., Потемкин В. Г. Control System Toolbox. MATLAB 5 для студентов. /Под общ. ред. В.Г.  Потемкина. М.:Диалог-МИФИ, 1999. 287 с. (Пакеты прикладных программ; Кн. 1).
    
58. 
    Рудаков П. И., Сафонов И. В. Обработка сигналов и изображений. MATLAB 5.x /Под общ. ред. В.Г.  Потемкина. М.:Диалог-МИФИ, 1999. 287 с. (Пакеты прикладных программ; Кн. 2).
    
59. 
    Лавров К. Н., Цыплякова Т. П. Финансовая аналитика. MATLAB 6 /Под общ.
    ред. В. Г. Потемкина. М.: Диалог-МИФИ, 2001. 363 с. (Пакеты прикладных программ; Кн. 3).
    
60. 
    Галушкин А.И. Теория нейронных сетей. М.: ИПРЖР, 2000. 416 с.
    
61. 
    Галушкин А.И. Нейрокомпьютеры. М.: ИПРЖР, 2000. 532 с.
    

Оглавление