нейрон

Моделирование нейронных структур, Позин Н.В., 1970.
   
   В книге излагаются результаты теоретических исследований механизмов управляющих процессов в нервной системе. Она отражает современные представления об информационных преобразованиях, происходящих в отдельных участках мозга: начиная с основного элемента — нервной клетки — и кончая моделями отделов, выполняющих сложные функции.
Большая часть книги посвящена исследованиям нейронных соединений, которые можно рассматривать как достаточно типичные «блочные» узлы сложных нейронных структур. Анализируется работа однородных нейронных слоев с латеральными связями. Приводятся нейронные схемы, реализующие функции непрерывной логики. Возможность логических схем сопоставлять сигналы в терминах «больше», «меньше», «равно» приводит к синтезу сетей, способных классифицировать ансамбли непрерывных сигналов. При исследовании динамических характеристик нейронных образований дан анализ переходных процессов в сетях с латеральными связями и обоснована модель нейронной переключающей цепи.
Большое внимание уделено в книге рассмотрению и анализу нейрофизиологических данных, которые кладутся в основу моделирования.

Моделирование нейронных структур, Позин Н.В., 1970.
   
   В книге излагаются результаты теоретических исследований механизмов управляющих процессов в нервной системе. Она отражает современные представления об информационных преобразованиях, происходящих в отдельных участках мозга: начиная с основного элемента — нервной клетки — и кончая моделями отделов, выполняющих сложные функции.
Большая часть книги посвящена исследованиям нейронных соединений, которые можно рассматривать как достаточно типичные «блочные» узлы сложных нейронных структур. Анализируется работа однородных нейронных слоев с латеральными связями. Приводятся нейронные схемы, реализующие функции непрерывной логики. Возможность логических схем сопоставлять сигналы в терминах «больше», «меньше», «равно» приводит к синтезу сетей, способных классифицировать ансамбли непрерывных сигналов. При исследовании динамических характеристик нейронных образований дан анализ переходных процессов в сетях с латеральными связями и обоснована модель нейронной переключающей цепи.
В качестве примера модели функционально целого участка мозга описывается структура слуховой системы млекопитающих и излагаются принципы происходящих в ней информационных преобразований. В конце работы дается описание гипотетического механизма поиска и проторения путей в нейронной структуре.
Большое внимание уделено в книге рассмотрению и анализу нейрофизиологических данных, которые кладутся в основу моделирования.

Глубокое обучение, Принципы и концепции, Бишоп К.М., Бишоп X., 2025.
 
   Эта книга предлагает исчерпывающее описание фундаментальных идей, лежащих в основе глубокого обучения. Она разбита на небольшие главы с последовательным изложением материала. Особое внимание уделяется практической ценности изучаемых методов в реальном мире. Сложные концепции рассмотрены в нескольких ракурсах, включая текстовые описания, диаграммы, математические формулы и программные псевдокоды. Второе издание дополнено решениями задач с пояснениями автора.
Книга адресована как новичкам в машинном обучении, так и опытным специалистам в этой области.

Почему машины учатся, Элегантная математика, стоящая за современным ИИ, Анантасвами А., 2024.

   Эта книга рассказывает о пройденном пути — от перцептрона Розенблатта до современных глубоких нейронных сетей (сложных систем вычислительных элементов, называемых искусственными нейронами),— через призму ключевых математических идей, лежащих в основе машинного обучения. Она плавно вводит читателя в курс дела, а затем, очень постепенно, повышает уровень сложности по мере того, как мы переходим от относительно простых идей 1950-х годов к более сложной математике и алгоритмам, на которых работают сегодняшние системы машинного обучения.
Поэтому мы без колебаний обратимся к уравнениям и концепциям как минимум из четырех основных областей математики — линейной алгебры, математического анализа, теории вероятностей и статистики, а также теории оптимизации, — чтобы получить необходимый минимум теоретических и концептуальных знаний и по достоинству оценить колоссальную мощь, которой мы наделяем машины.

Модели волновой памяти, Кащенко С.А., Майоров В.В., 2013.

   В настоящей книге рассматриваются модели нейронной среды, описываемой системой уравнений с запаздыванием. Каждый элемент среды (нейрон) является автогенератором, который в автономном режиме генерирует кратковременные импульсы (спайки). Обсуждаются модели синаптического взаимодействия нейронов, которое приводит к сложным колебательным режимам в системе. Изучается строение этих режимов и способы управления их структурой, то есть решается задача о выборе весов взаимодействия с целью получения аттракторов, обладающих наперед заданной структурой. Такие аттракторы интерпретируются как образы, закодированные в виде автоволн (волновая память). Решается задача об идентификации аттракторов (задача сличения образов).
Система уравнений нейронной сети получена из биологических предпосылок. По смыслу задачи в нее входят большие параметры. В книге разработаны методы асимптотического исследования данной системы. Они допускают перенос на другие типы уравнений. В книге приводится физиологический факт, вытекающий из теории: объем кратковременной памяти человека коррелирует с размерностью (сложностью) сигнала ЭЭГ. Также предлагается метод идентификации зрительных стимулов по вызванным потенциалам (вынужденным электрическим колебаниям первичной зрительной коры).
Книга может быть полезна как специалистам по осцилляторным нейронным сетям, так и специалистам по дифференциальным уравнениям. Она рассчитана на студентов старших курсов, аспирантов и молодых научных работников, занимающихся теорией колебаний.

Нейронные сети, генетические алгоритмы и нечеткие системы, Рудинский И.Д., Рутковская Д., Пилиньский М., Рутковский Л., 2013.

Книга посвящена вопросам «интеллектуальных вычислений». Содержит базовые знания о генетических алгоритмах, эволюционном программировании, нечетких системах, а также о связях этих направлений с нейронными сетями. Для научных и инженерно-технических работников в области информатики и вычислительной техники, занимающихся созданием и использованием интеллектуальных систем, а также аспирантов и студентов различных специальностей в области компьютерных технологий.

Нейронные системы обработки информации, Макартичян С.В., Кузнецова Н.С., Дементьев С.С., 2020.

Содержит необходимый теоретический материал для изучения нейронных сетей. В пособии приведены часто применяемые на практике искусственные нейронные сети, а также рассмотрены прикладные возможности нейронных сетей; уделено внимание истории развития искусственного интеллекта и этапам становления нейроинформатики. Предназначено для студентов высших технических учебных заведений по направлению 12.04.01 «Приборостроение».

Синтез искусственного носителя интеллекта, Информационно-биологический подход, Шумилов В.Н., Сырямкин В.И., 2021.

   В книге сформулированы принципы функционирования нервной системы (НС), мозга, дана оценка информационной ёмкости мозга. Предложен механизм, обеспечивающий работу НС за счёт образования в ней следов событий, запоминания факта сочетания событий путём образования парных связей между одновременно возбуждёнными нейронами. Эти связи впоследствии обеспечивают опережающую реакцию организма на последовательности причинно обусловленных событий и тем самым полезность запоминания для выживания организма. Механизмы НС обеспечивают обучение (запоминание), переучивание (на основе перманентного запоминания и забывания), результативную реакцию на события и позволяют мозгу работать без переключений режимов «обучение / функционирование». При сравнительно малом количестве нейронов в НС (или мозге) на основе поступающих сигналов-раздражителей обеспечивается одноступенчатое прогнозирование. По мере роста количества нейронов появляется прогноз на основе прогноза, прогнозирование становится многоступенчатым, появляется мышление.
Приведена схема электрическая принципиальная модели мозга и составляющих его логических элементов, а также дана структура синтезированного искусственного носителя интеллекта на основе биолого-электрической модели человеческого мозга и нейро-нечетких информационных технологий.
Для всех интересующихся вопросами функционирования нервной системы, мозга.