Полное описание

Д11-24/21105
53/Ж 720
Жиленков, Антон Александрович. Нейронные многообразия и глубокие неявные слои в аппроксимации моделей нелинейных динамических систем / А. А. Жиленков. - Санкт-Петербург : Наукоемкие технологии, 2024. - 139 с. : ил. - Библиогр.: с. 137-139 (30 назв.). - 500 экз. - ISBN 978-5-907804-26-5 : 300 р. - Текст (визуальный) : непосредственный.

ГРНТИ	УДК
29.05.03	530.182:004

Рубрики:
Нелинейные системы -- Решение на вычислительных машинах

Кл.слова (ненормированные): машинное обучение -- нейросетевое многообразие -- неявные модели -- неявные функции -- нейронные обыкновенные дифференциальные уравнения -- глубокие модели равновесия -- дифференцируемая оптимизация
Аннотация: В монографии исследуются вопросы нейросетевой аппроксимации с заданной точностью математических моделей нелинейных динамических систем. Описывается теория глубоких искусственных нейронных сетей с неявными слоями. Рассмотрено применение описываемых методов и подходов для решения задач доверительного с заданной точностью представления поверхностей многообразий данных, вложенных в пространство высокой размерности. Развита теория описания искусственных нейронных сетей как нейронного многообразия и применения методов дифференциальной геометрии в методах реализации машинного обучения. На базе методов дифференциальной геометрии разрабатываются технологии машинного обучения аппроксимации поверхностей многообразий, как поверхностей решений систем дифференциальных уравнений, описывающих движение аппроксимируемой модели динамической системы. Предложенные методы и подходы позволяют аппроксимировать сложные криволинейные многообразия высокой размерности атласом карт нейронных многообразий, что невозможно реализовать плоскими сетями, используемыми обычно для решения подобных задач.
Имеются экземпляры в отделах: всего 2 : ПНТ (1), ХРЦ (1)
Свободны: ПНТ (1), ХРЦ (1)
Обложка

Заказать издание
Заказ фрагмента документа ₽