Математика для физиков. Функции нескольких переменных. Теория поля

Нейроинформатика и ее приложения

Если полносвязная сеть функционирует до получения ответа заданное число тактов k, то ее можно представить как частный случай k-слойной сети, все слои которой одинаковы и каждый из них соответствует такту функционирования полносвязной сети. Существенное различие между полносвязной и слоистой сетями становится очевидным, когда число тактов функционирования заранее не ограничено слоистая сеть так работать не может. Доказаны теоремы о полноте: для любой непрерывной функции нескольких переменных можно построить нейронную сеть, которая вычисляет эту функцию с любой заданной точностью. Так что нейронные сети в каком-то смысле могут все. Задачи для нейронных сетей Многие задачи, для решения которых используются нейронные сети, могут рассматриваться как частные случаи следующих основных проблем: построение функции по конечному набору значений; оптимизация; построение отношений на множестве объектов; распределенный поиск информации и ассоциативная память; фильтрация; сжатие информации; идентификация динамических систем и управление ими; нейросетевая реализация классических задач и алгоритмов вычислительной математики: решение систем линейных уравнений, решение задач математической физики сеточными методами и др.