SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

7 wyników

Brak okładki

Książka

W koszyku

Podstawy elektrotechniki. Cz. 1, Teoria obwodów / Andrzej Cichocki, Stanisław Osowski, Henryk Rawa. - Warszawa : Wydawnictwa Politechniki Warszawskiej, 1978. - 438 s. : il. ; 24 cm.

(Skrypty WPW dla Studium Kształcenia Nauczycieli)

Autor

Cichocki Andrzej. Osowski Stanisław (1948- ). Rawa Henryk (1942-2011).

Temat

Elektrotechnika

Gatunek

Podręczniki akademickie

Bibliogr. s. [437]-438.

Dla studiów nauczycielskich o kierunku elektrotechnika.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. S 49628, S 49629 (2 egz.)

Brak okładki

Książka

W koszyku

Podstawy elektrotechniki. Cz. 1, Teoria obwodów / Andrzej Cichocki, Stanisław Osowski, Henryk Rawa. - [Wyd. 2]. - Warszawa : Wydawnictwa Politechniki Warszawskiej, 1979. - 438 s. : il. ; 24 cm.

(Skrypty WPW dla Studium Kształcenia Nauczycieli)

Autor

Cichocki Andrzej. Osowski Stanisław (1948- ). Rawa Henryk (1942-2011).

Temat

Elektrotechnika

Gatunek

Podręczniki akademickie

Bibliogr. s. [437]-438.

Dla studiów nauczycielskich o kierunku elektrotechnika.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. S 50690 L (1 egz.)

Książka

W koszyku

Matematyczne modele uczenia maszynowego w językach MATLAB i PYTHON / Stanisław Osowski, Robert Szmurło. - Wydanie 1. - Warszawa : Oficyna Wydawnicza Politechniki Warszawskiej, 2023. - 377 stron : ilustracje, wykresy ; 24 cm.

Autor

Osowski Stanisław (1948- ) Szmurło Robert

Forma i typ

Książki Publikacje dydaktyczne Publikacje naukowe

Odbiorca

Szkoły wyższe

Temat

Matlab Modele matematyczne Programowanie (informatyka) Python (język programowania) Sztuczna sieć neuronowa Uczenie maszynowe

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka

Bibliografia, netografia na stronach 367-371. Indeks.

1.Pojęcia wstępne uczenia maszynowego 2.Modele regresji liniowej 2.1.Ogólny model regresji liniowej 2.2.Zastosowanie dekompozycji SVD w regresji liniowej 2.3.Implementacja regresji liniowej 3.Klasyfikatory KNN 4.Klasyfikatory probabilistyczne Bayesa 4.1.Pełny klasyfikator Bayesa 4.2.Naiwny klasyfikator Bayesa 4.3.Implementacja naiwnego klasyfikatora Bayesa w Matlabie 5.Drzewa decyzyjne 5.1.Struktura drzewa decyzyjnego 5.2.Algorytm tworzenia drzewa decyzyjnego 5.3.Implementacja modelu drzewa decyzyjnego 5.4.Las losowy drzew decyzyjnych 6.Sieć neuronowa MLP 6.1.Struktura sieci 6.2.Algorytmy uczące sieci MLP 6.3.1.Wyznaczanie gradintu metodą propagacji wstecznej 6.3.2.Algorytmy gradientowe uczenia sieci 6.3.3.Program komputerowy do uczenia sieci MLP w Matlabie 6.4.Przykłady użycia sieci MLP w aproksymacji danych 6.5.Praktyczne wskazówki doboru struktury sieci MLP 7.Sieć radialna RBF 7.1.Struktura sieci RBF 7.2.Algorytmy uczące sieci RBF 7.2.1.Zastosowanie algorytmu samoorganizacji i dekompozycji SVD 7.2.2.Algorytm OLS 7.3.Program komputerowy do uczenia sieci radialnej w Matlabie 7.4.Przykłady zastosowania sieci RBF 7.4.1.Aproksymacja funkcji nieliniowych 7.4.2.Problem 2 spiral 7.4.3.Sieć RBF w kalibracji sztucznego nosa 8.Sieć wektorów nośnych SVM 8.1.Sieć liniowa SVM w zadaniu klasyfikacji 8.2.Sieć nieliniowa SVM w zadaniu klasyfikacji 8.3.1.Interpretacja mnożników Lagrange'a w rozwiązaniu sieci 8.3.2.Problem klasyfikacji przy wielu klasach 8.4.Sieci SVM do zadań regresji 8.5.Przegląd algorytmów rozwiązania zadania dualnego 8.6.Program komputerowy uczenia sieci SVM w Matlabie 8.7.Przykłady implementacji uczenia sieci SVM 8.8.Porównanie sieci SVM z innymi rozwiązaniami neuronowymi 9.Sieci głębokie 9.1.Sieć konwolucyjna CNN 9.2.1.Struktura sieci CNN 9.2.2.Podstawowe operacje w sieci CNN 9.2.3.Uczenie sieci CNN 9.3.Transfer Learning 9.4.Przykład użycia sieci ALEXNET w trybie transfer learning 9.5.Inne rozwiązania pre-trenowanej architektury sieci CNN 9.6.Sieci CNN do detekcji obiektów w obrazie 9.6.1.SiećYOLO 9.6.2.Sieć R-CNN 9.6.3.Sieć U-NET w segmentacji obrazów biomedycznych 9.7.Autoenkoder 9.7.1.Struktura autoenkodera 9.7.2.Funkcja celu 9.7.3.Proces uczenia 9.7.4.Przykład zastosowania autoenkodera w kodowaniu danych 9.8.Podstawy działania autoenkodera wariacyjnego 9.9.Sieci generatywne GAN 9.10.Głębokie sieci rekurencyjne LSTM 9.10.1.Zasada działania sieci LSTM 9.11. Sieci transformerowe 9.11.1.Enkoder 9.11.2.Dekoder 9.11.3.Uczenie sieci 9.11.4.Inne zastosowania sieci transformerowych 10.Zagadnienia generalizacji i zespoły sieci 10.1.Pojęcie generalizacji 10.2.Miara VCdim i jej związek z generalizacją 10.3.Metody poprawy zdolności generalizacji sieci 10.4.Problem generalizacji w sieciach głębokich 10.5.Zespoły sieci do polepszenia zdolności generalizacji 10.5.1.Struktura zespołu i metody integracji 10.5.2.Warunki właściwego działania zespołu 10.6.Techniki tworzenia silnych rozwiązań na bazie słabych predyktorów 10.6.1.AdaBoost 10.6.2.Gradient boosting 11.Transformacje i metody redukcji wymiaru danych 11.1.Transformacja PCA 11.1.1.Istota przekształcenia PCA 11.1.2.Implementacja przekształcenia PCA w Matlabie 11.1.3.Zastosowanie PCA w kompresji 11.1.4.PCA w zastosowaniu do ilustracji rozkładu danych wielowymiarowych 11.2.Przekształcenie LDA Fishera 11.3.Ślepa separacja sygnałów 11.3.1.Sformułowanie problemu ślepej separacji 11.3.2.Algorytmy bazujące na statystykach drugiego rzędu 11.3.3.Metody bazujące na statystykach wyższego rzędu 11.3.4.Toolbox ICALAB w Matlabie 11.4.Rzutowanie Sammona 11.5.Transformacja tSNE 12.Metody grupowania danych wielowymiarowych 12.1.Miary odległości między wektorami 12.2.Miary odległości między klastrami 12.3.Algorytm K-means grupowania 12.4.Algorytm hierarchiczny grupowania 12.5.Algorytmy rozmyte grupowania 12.6.1.Algorytm grupowania górskiego 12.6.2.Algorytm c-means 12.7.Miary jakości grupowania danych 12.7.1.Miary jakości grupowania danych nieprzypisanych do klas 12.7.2.Miary jakości grupowania danych przypisanych do klas 13.Wybrane metody generacji i selekcji cech diagnostycznych 13.1.Metody generacji cech diagnostycznych 13.2.Metody selekcji cech diagnostycznych 13.3.1.Metoda dyskryminacyjna Fishera 13.3.2.Metoda korelacji danych z klasą 13.3.3.Zastosowanie jednowejściowej sieci SVM 13.3.4.Zastosowanie wielowejściowej liniowej sieci SVM 13.3.5.Selekcja cech bazująca na sekwencji eliminacji krokowej 13.3.6.Selekcja przy zastosowaniu algorytmu genetycznego 13.3.7.Zastosowanie testu statystycznego Kolmogorova-Smirnova 13.3.8.Zastosowanie testu Wilcoxona-Manna-Whitneya 13.3.9.Selekcja przy zastosowaniu transformacji PCA 13.3.10.Selekcja przy zastosowaniu transformacji LDA 13.3.11.Selekcja przy zastosowaniu lasu losowego 13.3.12.Selekcja cech przy użyciu algorytmu Refieff 13.3.13.Selekcja przy użyciu metody NCA 13.3.14.Metoda MRMR 14.Metody oceny jakości rozwiązań 14.1.Miary jakości regresji 14.2.Badanie jakości rozwiązań w zadaniach klasyfikacji 14.2.1.Miary jakości klasyfikatora 14.2.2.Charakterystyka ROC 14.3.Metody poprawy jakości klasyfikatora 14.3.1.Metoda różnicowania kosztu błędnej klasyfikacji 14.3.2.Metody równoważenia klas 14.3.3.Problemy klasyfikacji wieloklasowej 14.4.Obiektywna ocena zdolności generalizacyjnych systemu eksploracji 15.Adaptacyjne systemy rozmyte 15.1.Podstawy matematyczne systemów rozmytych 15.2.Systemy wnioskowania 15.3.Struktura systemu rozmytego TSK typu ANFIS 15.4.Algorytm uczenia sieci ANFIS 15.5.Zastosowanie algorytmu grupowania rozmytego c-means w tworzeniu reguł wnio¬skowania 15.6.Zmodyfikowana struktura sieci TSK

brak informacji o dostępności

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

w opracowaniu: sygn. 155446 N, 155447 N (2 egz.)

Biblioteka WEAiI

w opracowaniu: sygn. 155377 N (1 egz.)

Brak okładki

Książka

W koszyku

Modelowanie układów dynamicznych z zastosowaniem języka Simulink / Stanisław Osowski. - Warszawa : Oficyna Wydawnicza Politechniki Warszawskiej, 1997. - 185, [1] strona : ilustracje ; 24 cm.

Autor

Osowski Stanisław (1948- ).

Forma i typ

Książki Publikacje dydaktyczne

Odbiorca

Szkoły wyższe

Temat

Simulink (oprogramowanie). Układ dynamiczny.

Gatunek

Podręczniki akademickie.

Bibliografia strony 183-[184]. Indeks.

Dla studentów wydziałów elektrycznych.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. S 67590 N (1 egz.)

Brak okładki

Książka

W koszyku

Sieci neuronowe / Stanisław Osowski. - Wydanie II. - Warszawa : Oficyna Wydawnicza Politechniki Warszawskiej, 1996. - 241 stron : ilustracje ; 24 cm.

Autor

Osowski Stanisław (1948- )

Forma i typ

Książki Publikacje fachowe

Temat

Sieci neuronowe Sztuczna sieć neuronowa

Gatunek

Podręcznik

Dziedzina i ujęcie

Inżynieria i technika

Bibliografia na stronach [238] - 241

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 96416 N (1 egz.)

Brak okładki

Książka

W koszyku

Sieci neuronowe do przetwarzania informacji / Stanisław Osowski. - Warszawa : Oficyna Wydawnicza Politechniki Warszawskiej, 2000. - 327 stron : ilustracje ; 24 cm.

Autor

Osowski Stanisław (1948- ).

Forma i typ

Książki Publikacje fachowe

Temat

Sieci neuronowe

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Bibliografia na stronach 315-323. Indeks.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 109917, 109916 (2 egz.)

Książka

W koszyku

Sieci neuronowe do przetwarzania informacji / Stanisław Osowski. - Wydanie 4 rozszerzone - Warszawa : Oficyna Wydawnicza Politechniki Warszawskiej, 2020. - 490 stron : fotografie, ilustracje, wykresy ; 24 cm.

Autor

Osowski Stanisław (1948- ).

Forma i typ

Książki Publikacje dydaktyczne

Temat

Sieci neuronowe. Sztuczna inteligencja.

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Bibliografia, netografia na stronach 475-486. Indeks.

Podstawy biologiczne działania neuronu Pierwsze modele sieci neuronowej Przegląd zastosowań sieci neuronowych Modele neuronów i metody ich uczenia Perceptron Neuron sigmoidalny Neuron radialny Neuron typu adaline Instar i outstar Grossberga Neurony typu WTA Model neuronu Hebba Model stochastyczny neuronu Zadania i problemy Sieci jednokierunkowe wielowarstwowe typu sigmoidalnego Sieć jednowarstwowa Sieć wielowarstwowa perceptronowa Struktura sieci perceptronowej Algorytm propagacji wstecznej Grafy przepływowe w zastosowaniu do generacji gradientu Algorytmy gradientowe uczenia sieci Zależności podstawowe Algorytm największego spadku Algorytm zmiennej metryki Algorytm Levenberga-Marquardta Algorytm gradientów sprzężonych Dobór współczynnika uczenia Metody heurystyczne uczenia sieci Algorytm Quickprop AlgorytmRPROP Program komputerowy MLP do uczenia sieci perceptronowej Porównanie efektywności algorytmów uczących Elementy optymalizacji globalnej Algorytm symulowanego wyżarzania Elementy algorytmów genetycznych Metody inicjalizacji wag Zadania i problemy Problemy praktycznego wykorzystania sieci neuronowych Zdolności generalizacyjne sieci neuronowych Zależności podstawowe Miara VCdim Zależności między błędem generalizacji i miarą VCdim Przegląd metod zwiększania zdolności generalizacyjnych sieci neuronowej Wstępny dobór architektury sieci Dobór optymalnej architektury sieci pod względem generalizacji Metody wrażliwościwe redukcji sieci Metody redukcji sieci z zastosowaniem funkcji kary Wtrącanie szumu do próbek uczących Zwiększanie zdolności generalizacyjnych przez użycie wielu sieci Przykłady zastosowań sieci perceptronowej Rozpoznawanie i klasyfikacja wzorców binarnych Rozpoznawanie wzorców na podstawie obrysu zewnętrznego Sieć neuronowa do kompresji danych Identyfikacja obiektów dynamicznych Predykcja obciążeń systemu elektroenergetycznego Zadania i problemy Sieci neuronowe radialne Podstawy matematyczne Sieć neuronowa radialna Metody uczenia sieci neuronowych radialnych Proces samoorganizacji w zastosowaniu do adaptacji parametrów funkcji radialnych Algorytm probabilistyczny doboru parametrów funkcji radialnych Algorytm hybrydowy uczenia sieci radialnych Algorytmy uczące oparte na propagacji wstecznej Metody doboru liczby funkcji bazowych Metody heurystyczne Metoda ortogonalizacji Grama-Schmidta Program komputerowy uczenia sieci radialnych Przykład zastosowania sieci radialnej w aproksymacji Porównanie sieci radialnych z. sieciami sigmoidalnymi Zadania i problemy Sieci SVM Sieć liniowa SVM w zadaniu klasyfikacji Sieć nieliniowa SVM w zadaniu klasyfikacji Interpretacja mnożników Lagrange'a w rozwiązaniu sieci Problem klasyfikacji przy wielu klasach Sieci SVM do zadań regresji Przegląd algorytmów rozwiązania zadania dualnego Program komputerowy uczenia sieci SVM Przykłady zastosowania sieci SVM Problem klasyfikacyjny dwu spiral Rozpoznawanie tekstur Wykrywanie uszkodzeń elementów w obwodzie filtru elektrycznego Porównanie sieci SVM z innymi rozwiązaniami neuronowymi Zadania i problemy Specjalizowane struktury sieci neuronowych Sieć kaskadowej korelacji Fahlmana Sieć Volterry Struktura i zależności uczące sieci Przykłady zastosowań sieci Volterry Zadania i problemy Sieci rekurencyjne jako pamięci asocjacyjne Wprowadzenie Sieć autoasocjacyjna Hopfielda Zależności podstawowe Tryb uczenia sieci Hopfielda Tryb odtworzeniowy sieci Hopfielda Program Hop win Sieć Hamminga Struktura sieci i algorytm doboru wag Działanie sieci Hamminga Program Shamming uczenia sieci Siec typu BAM Opis działania sieci Zmodyfikowany algorytm uczący sieci BAM Zmodyfikowana struktura sieci BAM Zadania i problemy Sieci rekurencyjne tworzone na bazie perceptronu Wprowadzenie Sieć perceptronowa ze sprzężeniem zwrotnym Struktura sieci RMLP Algorytm uczenia sieci RMLP Dobór współczynnika uczenia Współczynnik wzmocnienia sygnału Wyniki symulacji komputerowych Sieć rekurencyjna Elmana Struktura sieci Algorytm uczenia sieci Elmana Uczenie z wykorzystaniem momentu Przykładowe wyniki symulacji komputerowych sieci Elmana Sieć RTRN Struktura sieci i algorytm uczący Wyniki eksperymentów numerycznych Zadania i problemy Sieci samoorganizujące się na zasadzie współzawodnictwa Zależności podstawowe sieci samoorganizujących się przez współzawodnictwo Miary odległości między wektorami Normalizacja wektorów Problem neuronów martwych Algorytmy uczące sieci samoorganizujących Algorytm Kohonena Algorytm gazu neuronowego Program Kohon Porównanie algorytmów samoorganizacji Sieć odwzorowań jedno- i dwuwymiarowych Odwzorowanie Sammona Zastosowania sieci samoorganizujących Kompresja danych Wykrywanie uszkodzeń w urządzeniach Krótkoterminowe prognozowanie obciążeń systemu elektroenergetycznego Sieć hybrydowa Zadania i problemy Sieci samoorganizujące typu korelacyjnego Funkcja energetyczna sieci korelacyjnych Sieci neuronowe PCA Wprowadzenie matematyczne Relacja między przekształceniami PCA i SVD Estymacja pierwszego składnika głównego Algorytmy estymacji wielu składników głównych Sieci neuronowe do ślepej separacji sygnałów Zależności wstępne Niezależność statystyczna sygnałów Struktura rekurencyjna sieci separującej Algorytm Heraulta-Juttena dla sieci rekurencyjnej Algorytm Cichockiego uczenia sieci rekurencyjnej Program ślepej separacji BS Sieć jednokierunkowa do separacji sygnałów Toolbox ICALAB Zadania i problemy Podstawy matematyczne systemów rozmytych Operacje na zbiorach rozmytych Miary rozmytości zbiorów rozmytych Rozmytość a prawdopodobieństwo Reguły rozmyte wnioskowania Systemy wnioskowania rozmytego Mamdaniego-Zadeha Fuzyfikator Defuzyfikator Model Mamdaniego-Zadeha jako układ uniwersalnego aproks\ matora Model wnioskowania Takagi-Sugeno-Kanga Zadania i problem Sieci neuronowe rozmyte Struktura sieci rozmytej TSK Struktura sieci Wanga-Mendela Algorytmy samoorganizacji w zastosowaniu do uczenia sieci rozmytej Algorytm grupowania górskiego Algorytm C-means Algorytm Gustafsona-Kessela samoorganizacji rozmytej Generacja reguł wnioskowania sieci rozmytej Algorytm hybrydowy uczenia sieci rozmytej TSK Modyfikacje sieci TSK Algorytm wyznaczania liczby reguł wnioskowania Przykład numeryczny Uproszczona sieć TSK Sieć hybrydowa rozmyta Przykłady zastosowań sieci rozmytych Estymacja stężenia składników mieszaniny gazowej Rozpoznawanie składników mieszanin gazowych Rozpoznawanie gatunków piwa na podstawie zapachu Adaptacyjny algorytm samoorganizacji dla sieci rozmytej Zadania i problemy Głębokie sieci neuronowe Autoenkoder Sieć o ekstremalnym uczeniu Sieci konwolucyjne (CNN) Opis struktury sieci CNN Dobór struktury CNN Uczenie sieci CNN Przykłady zastosowania sieci CNN w Matlabie Ograniczona maszyna Boltzmanna Pojęcia wstępne Algorytm uczenia sieci RBM SiećDBN Struktura sieci DBN Algorytm uczenia sieci DBN Głębokie sieci rekurencyjne LSTM Wprowadzenie Zasada działania sieci LSTM Przykłady praktycznych zastosowań sieci głębokich Podsumowanie

Sygnatura czytelni BWEAiI: XII Ą 121

dostępna w czytelni

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 149052 (1 egz.)

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 149051 N (1 egz.)