А. Б. БАРСКИЙ Нейронные сети и искусственный интеллект

      На основе предпосылки, что искусственный интеллект основан на моделировании ассоциативного мышления, рассматриваются и предлагаются способы формирования обученных нейронных сетей. Для обучения "готовых" нейросетей предлагается использовать метод "трассировки", основанный на схемотехническом подходе. Обсуждаются проблемы динамического обучения, применения обратных связей, построения самообучающихся систем управления и системы логического вывода на основе ПРОЛОГ-программы.

      А. В. Barsky, V. V. Shilov. The Dataflow Computing System: Programming and Efficiency Estimation.
      In the work presented the project of the computing system developed by authors combining properties of both traditional and dataflow computers is considered. On the basis of the analysis of known projects perspectivity of a combination in computer architecture of traditional and dataflow data processing features is shown. The architecture of suggested dataflow computer is briefly characterised. The choice of imperative languages for its programming is proved and some major principles of the basic programming languages constructions compilation are investigated. The simulation model of the computing system on which runs of test programs were carried out is described and the estimations of efficiency are resulted.

Введение. Искусственный интеллект и нейронные сети
1. Какую модель мозга мы выберем?
2. Ввод и "разглядывание" эталонов и образов
3. Пространство признаков
4. Кора
5. Локализация максимального возбуждения на выходном слое
6. Начинаем решать пример
7. Возбуждение входного слоя
8. "Схемотехнический" подход к построению нейросети "под задачу" на основе нечеткой логики
9. Итак ≈ нейросеть "под задачу!"
10. Формализация нейросети
11. Несколько слов о механизмах запоминания
12. Применение "готовых" нейросетей
13. Нейросетевые технологии и нейрокомпьютеры
14. Трассировка нейросети: пример≈опыт≈предпосылки обобщения.
15. Алгоритм трассировки нейросети
16. Приведение нейросети после трассировки
17. Стратегии обучения и самообучения
18. Нейронные сети с обратными связями
19. Нейросетевые самообучающиеся системы управления.
20. Логическое программирование нейросети.
Заключение. Познание нового ≈ основа самообучения .