|
|
|
||
Poslední úprava: T_KSI (19.02.2007)
|
|
||
Poslední úprava: T_KSI (05.05.2004)
M. Anthony, P.L. Bartlett: Neural Network Learning: Theoretical Foundations. Cambridge, UK: Cambridge University Press, 1999.
V.P. Roychowdhury, K.-Y. Siu, A. Orlitsky (eds.): Theoretical Advances in Neural Computation and Learning. Boston: Kluwer Academic Publishers, 1994
K.-Y. Siu, V.P. Roychowdhury, T. Kailath: Discrete Neural Computation: A Theoretical Foundation. Englewood Cliffs. NJ: Prentice Hall, 1995.
J. Sima, R. Neruda: Teoreticke otazky neuronovych siti. Praha: MATFYZPRESS, 1996. |
|
||
Poslední úprava: T_KSI (05.05.2004)
PREDPOKLADY: Zakladni znalosti z teorie slozitosti (TIN016); doporucuje se zakladni kurs neuronovych siti (AIL002), ale neni podminkou.
1. Perceptron: celociselna reprezentace, velikost vahy, problem linearni separability.
2. Dopredne site: implementace aritmetickych a logickych funkci, univerzalni prahovy obvod, hierarchie $TC^0$ a jeji separace pro male hloubky, efektivita hardwarove implementace, analogove a pravdepodobnostni obvody.
3. Rekurentni site: neuronove akceptory jazyku a kolmogorovska slozitost vah, nekonecne posloupnosti siti, pravdepodobnostni modely.
4. Hopfieldovy site: konvergence a odhad casu vypoctu, stabilni stavy, minimalizace energie, vypocetni sila, spojity cas.
5. Alternativni modely: RBF site, Kohonenovy site, spiking neurony.
6. Slozitost uceni: loading problem, vzorkova slozitost a VC-dimenze, PAC model. |