"Wykorzystanie sztucznych sieci neuronowych"

Spis treści

Wykaz skrótów 10

Uwagi wstępne 12

Rozdział 1. Wprowadzenie do tematyki 18

1.1. Zalety sztucznych sieci neuronowych 18

1.1.1. Liczba parametrów modelu 19

1.1.2. Biologiczne inspiracje 21

1.1.3. Elastyczność 21

1.1.4. Sieciowa struktura. Stabilność i efektywność analizy dużych zbiorów danych 22

1.1.5. Brak konieczności spełnienia warunku liniowości i normalnego rozkładu danych 24

1.2. Wady sztucznych sieci neuronowych 30

1.2.1. Specjalizacja i hermetyczność wiedzy przedmiotowej. Terminologia 30

1.2.2. Wykorzystanie komputerów i oprogramowania 32

1.2.3. Efektywność 33

1.2.4. Interpretowalność parametrów modelu. Problem „czarnej skrzynki” 33

1.2.5. Elastyczność 36

1.2.6. Ograniczone zastosowanie 37

1.3. Użyteczność sztucznych sieci neuronowych. Definicja 39

Rozdział 2. Biologiczne inspiracje 44

2.1. Komputer jako imitacja mózgu 52

2.2. Mózg jako inspiracja dla rozwiązań algorytmicznych i układy hybrydowe. Sztuczna inteligencja 59

Rozdział 3. Rozwój sztucznych sieci neuronowych (rys historyczny). Stan badań 68

Rozdział 4. Architektury (topologie) sztucznych sieci neuronowych 80

4.1. Problem liczby elementów sieci: warstwy i neurony 81

4.2. Problem sposobu połączeń elementów sieci 88

4.2.2. Sieci rekurencyjne 90

4.2.3. Sieci LSTM 91

4.2.4. Sieci splotowe 92

4.2.5. Sieci samoorganizujące się 93

4.2.6. Sieci komórkowe 94

Rozdział 5. Działanie sztucznej sieci neuronowej. Uczenie maszynowe (machine learning) 96

5.1. Model McCullocha-Pittsa 100

5.2. Uczenie z nauczycielem (uczenie nadzorowane). Metoda wstecznej propagacji błędów 102

5.3. Uczenie bez nauczyciela (uczenie nienadzorowane) 105

5.4. Uczenie ze wzmocnieniem (reinforced learning) 107

5.5. Uczenie maszynowe (machine learning) 108

5.6. Ocena jakości modelu 115

Rozdział 6. „Dane, wszędzie dane”. Big data 120

6.1. Definicja big data 121

6.2. Big data jako wyzwanie dla nauk społecznych 126

6.2.1. Wyzwanie 1: logika procesu badawczego, przyczynowość a korelacja 128

6.2.2. Wyzwanie 2: metodologia 133

6.2.3. Nauki społeczne 2.0? 137

6.3. Rodzaje i źródła danych. Open data 141

6.4. Big data a etyka. Problem gromadzenia, przechowywania i wykorzystania danych 152

Rozdział 7. Przykłady zastosowań politologicznych 170

7.1. Problemy predykcyjne 172

7.2. Problemy klasyfikacyjne 180

7.2.1. Badanie konfliktów zbrojnych 181

7.2.2. Inne zagadnienia klasyfikacyjne 192

Zakończenie 198

Bibliografia 210

Indeks osobowy 244