here

Sieci Neuronowe
Bibliografia do zadań i problemów algorytmicznych dla programowania logicznego, sieci
neuronowych i sztucznej inteligencji według zasad i kryteriów laboratoriów. pdf
Polska
Bilski J., Świąć A. (2000): Metoda wstecznej propagacji błędów i jej modyfikacje.
Biocybernetyka i inżynieria biomedyczna 2000 - sieci neuronowe, tom VI, Akademicka
Oficyna Wydawnicza
Cierniak R. (2003): Ewolucja czy rewolucja; rozdz. Bilski J.: Uczenie nadzorowane
wielowarstwowych sieci neuronowych bez sprzężenia zwrotnego
Findeisen W., Szymanowski J., Wierzbicki A. (1977): Teoria i metody obliczeniowe
optymalizacji. PWN
Herz J., Krogh A., Palmer R.G. (1995): Wstęp do teorii obliczeń neuronowych. Wydawnictwa
Naukowo-Techniczne, Warszawa
Jędruch W. (1996): Sztuczne sieci neuronowe, Wydawnictwo Naukowe PWN
Korbicz J., Obuchowicz A., Uciński D. (1994): Sztuczne sieci neuronowe - Podstawy i
zastosowania. Akademicka Oficyna Wydawnicza PLJ, Warszawa
Master T., (1996): Sieci neuronowe w praktyce, Wydawnictwa Naukowo-Techniczne
Niederliński A. (1983): Systemy i sterowanie: Wstęp do automatyki i cybernetyki technicznej.
PWN
Osowski S. (1996): Sieci neuronowe w ujęciu algorytmicznym, Wydawnictwo NaukowoTechniczne, Warszawa *
Osowski S. (2000): Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza
Politechniki Warszawskiej, Warszawa*
Rutkowska D., Piliński M., Rutkowski L. (1997): Sieci neuronowe, algorytmy genetyczne i
systemy rozmyte, Wydawnictwo Naukowe PWN
Tadeusiewicz R. (1993): Sieci neuronowe. Akademicka Oficyna Wydawnicza RM,
Warszawa*
Żurada J., Barski M., Jędruch W. (1996): Sztuczne sieci neuronowe. Podstawy teorii i
zastosowania, Wydawnictwo PWN, Warszawa
P. Cichosz (2000): Systemy uczące się, Wydawnictwa Naukowo-Techniczne, Warszawa
2000. *
*
materiał dydaktyczny w czasie zajęć
J.Greń (1976): Statystyka matematyczna modele i zadania. PWN Warszawa. *
J. W. Linnik ; [tł. Teresa Bażańska] (1962): Metoda najmniejszych kwadratów i teoria
opracowywania obserwacji, Warszawa : Państwowe Wydaw. Naukowe, 1962.*
Zagraniczna
Anderson J.A., Rosenfeld E. (1988): Neurocomputing - Foundation of Research, MIT Press,
Cambridge, Mass. *
Alvin C. Rencher and G. Bruce Schaalje. (2008): Linear models in statistics - 2nd ed. Hoboken, NJ : John Wiley and Sons, cop.
Ramon C. Littell, Walter W. Stroup, Rudolf J. Freund. (2005): SAS for linear models -4th
ed., 2nd print. - Cary, NC : SAS Institute.
S. Haykin and B. Widrow. Least-mean-square adaptive filters (2003): Hoboken : WileyInterscience, cop. 2003.
Wojtek J. Krzanowski (2007): Statistical principles and techniques in scientific and social
investigations - Oxford ; New York : Oxford University Press.
Chan L.W., Fallside F. (1987): An adaptive training algorithm for backpropagation networks.
Cambrige University
Cover T. (1965): Geometrical and statistical properties of systems of linear inequalities with
applications in pattern recoquition. IEEE Trans. Electronic Computers, Vol. 14, s. 326-334
Devos R.M., Orban G.A. (1988): Self-adapting back-propagation. Proceedings Neuro Times
Fahlman S.E. (1988): Faster Learning variatious on backpropagation: An empirical study. W
Proc. Connectionist Models Summer School, Morgan Kaufmann, Los Atos
Floreen P. (1991): The convergece of Hamming memory networks. IEEE Trans. Neural
Networks, vol. 2, pp.449-457
Golub G., van Loan C. (1991): Matrix computations. Academic Press, New York
Grossberg S. (1982): Studiem of Mind and Brain: Neural Principles of Learning, Perception,
Development, Cognition, and Motor Control, Reidell Press, Boston *
Hagan M.T., Menhaj M.B. (1994): Training Feedforward Networks with the Marquardt
Algorithm. IEEE Transaction on Neural Networks, 5
Haykin S. (1994): Neuralnetworks, a comprehensive foundation. Macmillan College
Publishing Company, New York
*
materiał dydaktyczny w czasie zajęć
Hopfield J. (1984): Neurons with gradem response hale collective computaional properties
like those of two-state neurons.Proc. National Academy of Sciences of USA, Vol. 81, s. 30083092
Hornik K., Stunchcombe M., White H. (1989): Multilayer feedforward networks are universal
approximators. Neural Networks, Vol. 2, s. 359-366
Jacobs R.A. (1988): Increased Rates of Convergence Through Learning Rate Adaptation.
Neural Networks
Karayiannis N.B. (1992): Fast Learning Algorithms for Neural Networks. IEEE
Klimauskas G. (1992): Neural Ware - User Manual. Neural Ware Inc., Natic, USA
Kohonen T. (1995): Self-organizing Maps, Springer Verlag, Berlin
Kosko B. (1988): Bidirectional associative memories. IEEE Trans. Systems, Man and
Cybernetics, Vol. 18, s. 49-60
Makram-Ebeid S. (1989): A Rationalized Back-Propagation Learning algoritm. W
International Join Conference of Neutral Networks,Washington
Marquardt D. (1963): An algorithm for least squares estimation of non-linear parameters. J.
Soc. Ind. Appl. Math.
McClelland T.L., Rumelhart D.E., and the PDP Research Group (1986): Paralell Distributed
Processing, MIT Press, Cambrideg, Mass.
McCulloch W.S., Pitts W. (1943): A logical calculus of the ideas immanent in nervous
activity, Bulletin of Mathematica Biophysics, No 5, pp. 115-133
Minsky M., Papert S. (1969): Perceptrons, MIT Press, Cambridge
Park D.J., Jun B.E., Kim J.H. (1992): Novel fast training algorithm for multilayer feedforward
neural network. KAIST
Riedmiller M., Braun H. (1992): A Fast Adaptive Learning Algorithm. Technical Report,
University Karslruhe, RPROP
Rosenblatt F. (1962): Principles of neurodynamics. New York: Spartan
Rosenblatt F. (1968): The perceprton. A theory of statistical separability in cognitive system,
Cornell Aeronautical ab. Inc. Rep. No. VG-1196-G-1
Rumelhart E., McCelland J. L. (1986): Parallel Distributed Processing. Cambridge, M.I.T.
Silva F.M, Almeida L. (1990): Speeding up Backpropagation Advanced Neural Computes.
Solla S.A., Levin E. (1990): Accelerated Learning in Layered Neural Networks. CS
Taylor W.K. (1960): Computers and the nervous system. Models and analogues in biology,
Cambridge Univ. Press, Cambridge
Veith A.C., Holmes G. (1991): A modified quickprop algorithm. Neural Computation
von Neumann J. (1958): The Computer and the Brain, Yale Univ. Press, New Haven
Werbos J. (1974): Beyond regression: New tools for prediction and analysis in the behavioral
sciences. Ph. D. dissertation, Harvard Univ