linki
bibliografia

Bibliografia

Polska

Bilski J., Świąć A. (2000): Metoda wstecznej propagacji błędów i jej modyfikacje. Biocybernetyka i inżynieria biomedyczna 2000 - sieci neuronowe, tom VI, Akademicka Oficyna Wydawnicza

Cierniak R. (2003): Ewolucja czy rewolucja; rozdz. Bilski J.: Uczenie nadzorowane wielowarstwowych sieci neuronowych bez sprzężenia zwrotnego

Findeisen W., Szymanowski J., Wierzbicki A. (1977): Teoria i metody obliczeniowe optymalizacji. PWN

Herz J., Krogh A., Palmer R.G. (1995): Wstęp do teorii obliczeń neuronowych. Wydawnictwa Naukowo-Techniczne, Warszawa

Jędruch W. (1996): Sztuczne sieci neuronowe, Wydawnictwo Naukowe PWN

Korbicz J., Obuchowicz A., Uciński D. (1994): Sztuczne sieci neuronowe - Podstawy i zastosowania. Akademicka Oficyna Wydawnicza PLJ, Warszawa

Master T., (1996): Sieci neuronowe w praktyce, Wydawnictwa Naukowo-Techniczne

Niederliński A. (1983): Systemy i sterowanie: Wstęp do automatyki i cybernetyki technicznej. PWN

Osowski S. (1996): Sieci neuronowe w ujęciu algorytmicznym, Wydawnictwo Naukowo-Techniczne, Warszawa

Osowski S. (2000): Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa

Rutkowska D., Piliński M., Rutkowski L. (1997): Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN

Tadeusiewicz R. (1993): Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, Warszawa

Żurada J., Barski M., Jędruch W. (1996): Sztuczne sieci neuronowe. Podstawy teorii i zastosowania, Wydawnictwo PWN, Warszawa

Obca

Anderson J.A., Rosenfeld E. (1988): Neurocomputing - Foundation of Research, MIT Press, Cambridge, Mass.

Chan L.W., Fallside F. (1987): An adaptive training algorithm for backpropagation networks. Cambrige University

Cover T. (1965): Geometrical and statistical properties of systems of linear inequalities with applications in pattern recoquition. IEEE Trans. Electronic Computers, Vol. 14, s. 326-334

Devos R.M., Orban G.A. (1988): Self-adapting back-propagation. Proceedings Neuro Times

Fahlman S.E. (1988): Faster Learning variatious on backpropagation: An empirical study. W Proc. Connectionist Models Summer School, Morgan Kaufmann, Los Atos

Floreen P. (1991): The convergece of Hamming memory networks. IEEE Trans. Neural Networks, vol. 2, pp.449-457

Golub G., van Loan C. (1991): Matrix computations. Academic Press, New York

Grossberg S. (1982): Studiem of Mind and Brain: Neural Principles of Learning, Perception, Development, Cognition, and Motor Control, Reidell Press, Boston

Hagan M.T., Menhaj M.B. (1994): Training Feedforward Networks with the Marquardt Algorithm. IEEE Transaction on Neural Networks, 5

Haykin S. (1994): Neuralnetworks, a comprehensive foundation. Macmillan College Publishing Company, New York

Hopfield J. (1984): Neurons with gradem response hale collective computaional properties like those of two-state neurons.Proc. National Academy of Sciences of USA, Vol. 81, s. 3008-3092

Hornik K., Stunchcombe M., White H. (1989): Multilayer feedforward networks are universal approximators. Neural Networks, Vol. 2, s. 359-366

Jacobs R.A. (1988): Increased Rates of Convergence Through Learning Rate Adaptation. Neural Networks

Karayiannis N.B. (1992): Fast Learning Algorithms for Neural Networks. IEEE

Klimauskas G. (1992): Neural Ware - User Manual. Neural Ware Inc., Natic, USA

Kohonen T. (1995): Self-organizing Maps, Springer Verlag, Berlin

Kosko B. (1988): Bidirectional associative memories. IEEE Trans. Systems, Man and Cybernetics, Vol. 18, s. 49-60

Makram-Ebeid S. (1989): A Rationalized Back-Propagation Learning algoritm. W International Join Conference of Neutral Networks,Washington

Marquardt D. (1963): An algorithm for least squares estimation of non-linear parameters. J. Soc. Ind. Appl. Math.

McClelland T.L., Rumelhart D.E., and the PDP Research Group (1986): Paralell Distributed Processing, MIT Press, Cambrideg, Mass.

McCulloch W.S., Pitts W. (1943): A logical calculus of the ideas immanent in nervous activity, Bulletin of Mathematica Biophysics, No 5, pp. 115-133

Minsky M., Papert S. (1969): Perceptrons, MIT Press, Cambridge

Park D.J., Jun B.E., Kim J.H. (1992): Novel fast training algorithm for multilayer feedforward neural network. KAIST

Riedmiller M., Braun H. (1992): A Fast Adaptive Learning Algorithm. Technical Report, University Karslruhe, RPROP

Rosenblatt F. (1962): Principles of neurodynamics. New York: Spartan

Rosenblatt F. (1968): The perceprton. A theory of statistical separability in cognitive system, Cornell Aeronautical ab. Inc. Rep. No. VG-1196-G-1

Rumelhart E., McCelland J. L. (1986): Parallel Distributed Processing. Cambridge, M.I.T.

Silva F.M, Almeida L. (1990): Speeding up Backpropagation Advanced Neural Computes.

Solla S.A., Levin E. (1990): Accelerated Learning in Layered Neural Networks. CS

Taylor W.K. (1960): Computers and the nervous system. Models and analogues in biology, Cambridge Univ. Press, Cambridge

Veith A.C., Holmes G. (1991): A modified quickprop algorithm. Neural Computation

von Neumann J. (1958): The Computer and the Brain, Yale Univ. Press, New Haven

Werbos J. (1974): Beyond regression: New tools for prediction and analysis in the behavioral sciences. Ph. D. dissertation, Harvard Univ

| STRONA GŁÓWNA | PODSTAWY | ZAAWANSOWANE | PROGRAMY | INNE |

© 2004 Katedra Inżynierii Komputerowej P.Cz. - Wszelkie prawa zastrzeżone
Strona dostosowana do rozdzielczości 800x600 i większej
Projekt i wykonanie: KaCha