Проблема индукции, универсальность нейронных сетей, базис нелинейной динамики
Краткое содержание доклада:
1. Проблема индукции
1.1 Рассмотрение на примере задачи функциональной аппроксимации
1.2 Проблема критерия и пространства моделей
1.3 Алгоритмически полные пространства моделей и критерий их качества
1.4 Проблема поиска и представления моделей
2 Искусственные нейронные сети в индукции
2.1 ИНС – универсальные аппроксиматоры?
2.2 Эквивалентность ИНС и универсальной машины Тьюринга
2.3 ИНС как частное алгоритмическое представление моделей
2.4 Расширения ИНС
3 Разработка представления моделей на основе динамических ИНС
3.1 Динамические ИНС как генеративные модели
3.2 Функциональный базис линейных динамических ИНС
3.3 Оптимизация архитектуры ИНС по критерию минимальной длины описания
3.4 Введение нелинейности как расширение множества представимых закономерностей: оптимизация по критерию репрезентационной МДО
4 Примеры приложений динамических ИНС
4.1 Предсказание временных рядов
4.2 Обучение системы управления роботом
4.3 Заключение: проблема реконструкции фазового портрета |