Молдавский коньяк, вино, шампанское, айсвайн, ликер, граппа, ракия, водка, кальвадос, виски, черная икра, конфеты и колбасы заводов: Акватир, Акорекс (Албастреле), Арома, Аскони, Бардар, Барза Албэ, Басавин и Ко, Берхорд, Боставан, Букет Молдавии, Букурия, Бульбока, Вале (Долина), Вартели Шато, Висмос, Гогу Винэри, Дак Винэрия, Джитана, Казайак (Казаяк), Кайнарь, Калараш, Кармез, Карпе Дием, Квинт, Комрат, Кресчендо, Крикова, Мезалимпе, Мигдал, Милештий Мичь, Мими, Минис Терриос, Молд Норд, Пуркарь Шато, Романешть, Салкуца, Тараклия, Томай, Унгень, Фаутор, Чимишлия, Чумай, Эквинокс, Эт Четера, Яловень.

Доставка во все регионы: Россия, Украина, Беларусь, Казахстан и Европа.

тел. Россия: +79166702246 
Signal, Viber, WhatsApp: +37376028606  
Telegram: @dutyfreemd 
skype: corralco2003 
icq: 621387055 
сайт http://cricovawine.ru

Европейские и американские сигареты, сигариллы, сигары, табак для самокруток, стики.   
Доставка: Россия, Украина, Беларусь и Казахстан.  
тел. Россия: +79166702246   
Viber, WhatsApp, Signal: +37376028606   
Telegram: @dutyfreemd   
skype: corralco2003   
icq: 621387055   
сайт: http://kareliatobacco.ru

Проверка работы гостевой книги на новом хостинге Народа.Ру

Здравствуйте, Сергей Александрович!
Использую многослойный персептрон в качестве аппроксиматора.
Подскажите пожалуйста,сущесвуют ли критерии оценки влияния входных факторов на выход сети? (по аналогии с регрессионным анализом, в котором для этих целей используется критерий Фишера).
Правильно ли понимаю, что об этом можно экспертно судить по значению весовых коэффициентов, на которые умножается значение входа в первом скрытом слое у каждого из нейронов.

С уважением,
Андрей Парамонов,
МФТИ, ОАО "ОКБ Сухого"

Мною упоминался океанский порт, как пример системы, обладающей неустранимой "сложностью" (свойствами системы, как целого, не выводимыми из свойств отдельных частей). Это было в главе книги http://alife.narod.ru/lectures/ni1998/Chapter_Four.pdf

Сергей, добрый день!

У Вас давно была статья по использованию нейронных сетей в океанском порту. И если я не ошибаюсь, речь шла о SOM. Не могли бы Вы, если это возможно, ее кинуть в меня, потому что никак в инете не могу ее сыскать.

Заранее спасибо!

Уважаемые Сергей и Константин! Приглашаю Вас принять участие в предстоящей конференции по нейроинформатике в МИФИ (январь 2010), где Вы можете представить Ваши работы и побеседовать со специалистами. Веб-страница конференции http://www.niisi.ru/iont/ni/ni2010.htm .

Ваш Сергей Терехов, автор

Здравствуйте Сергей!
Заинтересовался нейронными сетями, т.к. это близко моей предыдущей деятельности с компьютерным моделирование.
А кто-нибудь пытался использованть нейросети для предсказания поведения stock market (биржевые котировки)?
Я полагаю это достаточно часто задаваемый вопрос. Если это так, то буду очень благодарен за ссылку на дополнительные ресурсы.

С уважаением,
Константин

Здравствуйте!
Предлагаю свою статью для публикации http://www.mdco.ru/content/886
Статья посвящена практическому опыту визализации данных о банковских должниках с помощью карт Кохонена.

В принципе нетрудно вычислить любителей общения "по интересам" в интернете.
Наталья Рязанова давала мне номер мобильного, не знаю актуален он или нет.
Мой за все годы практически не менялся 765-50-74.

Уважаемый Сергей (Sergey)!

Персептрон (нейронная сеть без скрытых слоев, с прямыми связями "входы-выходы") действительно не может решать линейно-неразделимые задачи (не путать с нелинейными) классификации двоичных (битовых) векторов. То же относится и к устройству, разработанному Ф. Розенблаттом (у него имелся скрытый слой, но связи от входов к нейронам скрытого слоя фиксированы, и переходная функция линейная).

Минским (в книге Минский-Пейперт "Персептроны", была когда-то переведена на русский) критикуется (на самом деле, лишь фиксируется, шумная критика была возбуждена журналистами-маркетологами позже) именно это обстоятельство.

Сам Ф. Розенблатт "почти" понял, как обойти эту проблему путем использования многослойных сетей.

Есть и простые пути обхода - например, использовать в классическом (однослойном) персептроне на входах как сами компоненты входных векторов, так и их парные (а также тройки и т.д.) корреляции. В таком представлении даже классическая модель способна решать линейно-неразделимые задачи. Ну и, конечно, в нашем распоряжении всем уже известный вариант обратного распространения со скрытыми нелинейными слоями. Есть и другие варианты (например, каскадные сети).

В общем случае можно строить системы с одним (выходным) слоем нелинейных нейронов, но тогда в качестве входных сигналов должны использоваться нелинейные функции от первичных входов (пример - машины опорных векторов или радиальные базисные сети).

Спасибо за вопрос.

С уважением,

Сергей Терехов

Довольно таки интересно

Добрый день, у Вас существенная, но к сожалению популярная ошибка, в лекциях по перцептрону http://alife.narod.ru/lectures/neural/Neu_ch04.htm.
Перцептрон Розенблатта действительно способен к нелинейному (любому) представлению функции, а Вы очень путано, но все же указываете на то, что перцептрон Розенблатта не может решить нелинейную задачу, такую как исключающие ИЛИ, кроме того, приписаваете Минскому того, чего он никогда не делал ... Очень прошу укажите от куда Ваши свединия ? Ни как не могу найти источник такого массового недоразумения ... ?

Здравствуйте, уважаемый Сергей Александрович!Давно интересуюсь Вашими публикациями по ИНС!Сам занимаюсь исследованием (пишу кандидатскую диссертацию)сложных систем (оценкой эффективности). Пытаюсь построить модель на основе управляемых Марковских цепей при помощи искусственных нейронных сетей, оценивание с использованием фильтрации Калмана в среде Matlab. Подскажите пожалуйста, у Вас есть какая нибудь информация в этом направлениий?Заранее благодарен!

Слегка ошибся (на 1 год :)

С 2008!