.

0 (hodnocen0 x )

BK

1. vydání

Praha : BEN - technická literatura, 2014

142 stran : ilustrace ; 23 cm

ISBN 978-80-7300-497-2 (barevné vydání ; brožováno)

ISBN 978-80-7300-514-6 (černobílé vydání ; brožováno) ISBN !9788073004972 (chyb.) ISBN !978-80-7300-497-2 (chyb.)

Obsahuje bibliografii na stranách 132-136 a rejstřík

001460617

Obsah // Anotace:...2 // Předmluva...4 // Podčkování...6 // 1 Úvod...10 // 2 Rozpoznávání vzorů a klasifikace...11 // 2.1 Problém klasifikace...11 // 2.2 Metody ? lasifikace...11 // 2.3 Předzpracování dat a vlastní klasifikace...13 // 2.4 Reprezentace dat...15 // 2.5 Klasifikátory na bázi umčlých neuronových sítí...16 // 2.5.1 Dvouhodnotová klasifikace (binární)...17 // 2.5.2 Vícehodnotová klasifikace...17 // 2.6 Umčlé neuronové sítě...18 // 2.6.1 Hcbbovo adaptační pravidlo...22 // 2.6.2 Delta pravidlo...22 // 2.6.3 Adaptační pravidlo Adalinc...23 // 2.6.4 Adaptační pravidlo backpropagation...23 // 2.7 Neuronové sítč a jejich možnosti klasifikace...25 // 3 Vzory v časových řadách...26 // 3.1 Časová řada...26 // 3.2 Preprocessing dat pro trénovací množiny neuronových sítí...29 // 3.2.1 Číselné zobrazení... 29 // 3.2.2 Obrazová data...29 // 4 Elliottovy vlny a jejich rozpoznávání...32 // 4.1 Fraktální struktura Elliottovy vlny...32 // 4.1.1 Základní principy Elliottovy teorie...36 // 4.1.2 Impulsní vlny...37 // 4.1.3 Korekční vlny...37 // 4.1.4 Svéráznost vln...39 // 4.1.5 Charakteristika a délka vln...42 // 4.2 Znalostní modelování...43 // 4.3 Analytické programování...44 // 4.4 Možnosti detekce Elliottových vln...45 // 4.4.1 Detekce podle systému pravidel...45 // 4.4.2 Detekce podle charakteristických figur...46 // 4.4.3 Detekce celků a jejich postupné separování...46 // 4.5 Detekční systém

pro rozpoznávání vzoru Elliottových vln založený na neuronových // sítích 47 // 4.5.1 Příprava trénovací množiny pro klasifikaci...47 // 4.5.2 Trénovací množina a adaptace první neuronové sítč...51 // 4.5.3 Trénovací množina a adaptace druhé neuronové sítč...55 // 4.6 Analýza a zpracování dosažených výsledků...58 // 4.7 Metodika pro rozpoznávání struktur s fraktální dynamikou...62 // 4.8 Jak jsme na tom v porovnáni s jinými přístupy...68 // 4.8.1 Porovnání výsledků klasifikace...68 // 4.8.2 Porovnáni výsledků predikce...72 // 4.9 Závčry a přínosy navržené metodiky...74 // 5 Automatické obchodní systémy...75 // 5.1 Nčkolik mýtů úvodem...75 // 5.2 Obchodní systém...76 // 5.3 Tvorba obchodního systému založeného na umčlých neuronových sítích...78 // 5.3.1 Příprava trénovací množiny pro neuronové sítč...81 // 5.3.2 Optimalizace adaptačního algoritmu neuronové sítč...84 // 5.3.3 Analýza dat - rozpoznávání vzorů...87 // 5.3.4 Obchodní systém...89 // 5.4 Závčry a přínosy navrženého obchodního systému...91 // 6 Adaptace parametrů simulace komplexních systémů...94 // 6.1 Komplexní systémy...94 // 6.1.1 Multiagentové systémy...96 // 6.1.2 Samoorganizace...97 // 6.1.3 Model a vzory...98 // 6.1.4 Metodiky pro návrh komplexních systémů...99 // 6.2 Pákové body...102 // 6.3 Pákové body a parametry simulace...105 // 6.3.1 Parametry modelu...105 // 6.3.2 Pákové body modelu...107

// 6.3.3 SOTL - Self-Organizing Traffic Lights...108 // 6.4 Testováni parametrů simulace...111 // 6.5 Detekce vzorů chování systému založené na neuronových sítích...117 // 6.6 Metodika pro adaptaci parametrů simulace komplexních systémů...120 // 6.7 Experimentální ovčřcní metodiky...122 // 6.7.1 Simulace dopravních křižovatek - parametry simulace...122 // 6.7.2 Simulace dopravních křižovatek - adaptace chování systému...126 // S // 6.7.3 Závčry a přínosy navržené metodiky...130 // 7 ZÁVÉR...131 // Literatura...132 // Seznam obrázků...137 // Seznam tabulek...140 // Rejstřík...141 // // 4

(OCoLC)880869293

cnb002584714