Ebook Samouczące się sztuczne sieci neuronowe w grupowaniu i klasyfikacji danych. Teoria i zastosowania w ekonomii — Kamila Migdał Najman

Opis

Samouczące się sztuczne sieci neuronowe w grupowaniu i klasyfikacji danych. Teoria i zastosowania w ekonomiiSzczegółyAutor: Kamila Migdał Najman, Krzysztof NajmanWydawnictwo: Wydawnictwo Uniwersytetu GdańskiegoEAN: 9788378651116ISBN: 978-83-7865-111-6ISBN wydania papierowego: 978-83-7865-111-6Rok wydania: 2013Miejsce wydania: GdańskWydanie: 1Język: polskiLiczba stron: 414Formaty plików: PDFRozmiar pliku: PDF: 204,7 MBZabezpieczenie: Znak wodny (watermark)Słowa kluczowe: taksonomia, sztuczna inteligencja, Analiza wielowymiarowa, SOMPrezentowana książka składa się z dwóch zasadniczych części. Część pierwsza ma charakter teoretyczny. Omawia genezę, rozwój, podstawy empiryczne i teoretyczne procesu klasyfikacji i grupowania danych. Jest pełna faktów, anegdot i własnych przemyśleń autorów.

Część druga książki jest poświęcona szerokim badaniom teoretycznym, symulacyjnym i empirycznym nad własnościami samouczących się sieci neuronowych w grupowaniu danych społeczno-ekonomicznych. Szczegółowo omówiono algorytm budowy i samouczenia się trzech modeli sztucznych sieci neuronowych: SOM (Self Organizing Map), GNG (Growing Neural Gas) i sieci hybrydowej SOM-GNG. Zaproponowano także ich modyfikacje zwiększające zdolność badanych sieci do poprawnego wyróżniania istniejących skupień.

W książce położono szczególny nacisk na możliwie prosty i przejrzysty opis często złożonych zjawisk. Poza koniecznym formalizmem matematycznym autorzy posługują się wieloma zaawansowanymi metodami wizualizacji omawianych zagadnień. Dzięki temu, mimo naukowego charakteru książki, może ona stanowić wartościowy podręcznik dla bardziej zaawansowanych studentów, praktyków i naukowców nie będących specjalistami w zakresie klasyfikacji i grupowania danych.