Wykorzystanie sztucznych sieci neuronowych

w badaniach politologicznych

1 opinia

Format:

epub, mobi, ibuk

DODAJ DO ABONAMENTU

WYBIERZ RODZAJ DOSTĘPU

48,30  69,00

Format: epub, mobi

 

Dostęp online przez myIBUK

WYBIERZ DŁUGOŚĆ DOSTĘPU

6,15

Wypożycz na 24h i opłać sms-em.
Brak wydruku.

48,3069,00

cena zawiera podatek VAT

ZAPŁAĆ SMS-EM ZAPŁAĆ SMS-EM

TA KSIĄŻKA JEST W ABONAMENCIE

Już od 19,90 zł miesięcznie za 5 ebooków!

WYBIERZ SWÓJ ABONAMENT

Sztuczne sieci neuronowe są uogólnionym modelem obliczeniowym wzorowanym na zachowaniu komórek nerwowych, a więc czerpią z analogii do budowy mózgu. Ta analogia nie jest jednak celem samym w sobie (poza zupełnie niezależnymi próbami budowy „sztucznego mózgu”, co nie jest przedmiotem niniejszej książki), a przeradza się w budowę obliczeniowych modeli matematycznych opartych na idei tak zwanego „uczenia maszynowego” (ang. machine learning, ML). Jaki ma to związek z zastosowaniami w naukach politycznych? Wyjaśnienie tej kwestii znajduje się na kartach książki.
Tytuł pracy pozostaje w ścisłym związku z układem jej treści. I tak, najpierw omówione zostają zagadnienia dotyczące biologicznych sieci neuronowych, następnie założenia modelu obliczeniowego, a na końcu – mowa jest o przykładowych zastosowaniach. Stąd też, w szerszej perspektywie, książka składa się z dwóch części: teoretycznej i empirycznej opartej na swego rodzaju studium przypadku (jest nim politologia).
Jest prawdopodobne, że sięgną do tej książki osoby zaintrygowane tylko jej tytułem. Takich Czytelników wypada zapewnić, że tekst skierowany jest w szczególności do tych osób, które do tej pory nie wykorzystywały w działalności naukowej omawianych podejść, a zwłaszcza jest kierowana do tych, którzy zakładają, że prawdopodobnie… nigdy ich nie wykorzystają. Przez wzgląd na nich, dołożono wszelkich starań, aby wywód – momentami nieco hermetyczny – opatrzyć odpowiednią liczbą przykładów ilustrujących intersujące nas zjawiska.
Stąd też, jeżeli szukasz odpowiedzi na pytania m.in.:
Czy sieci neuronowe znajdują zastosowania w naukach politycznych?
Czym są nauki społeczne 2.0?
Co oznacza soft computing, neurokomputing i czym jest neuromorficzny chip?
Co ma wspólnego Rembrandt z Rumelhartem i sieciami neuronowymi?
Jaki związek z sieciami neuronowymi ma logika rozmyta oraz algorytmy genetyczne?
Na czym polega doniosłość badań nad nicieniem Caenorhabditis elegans?
Dlaczego Ada Lovelace przeszła do historii i to nie tylko nauki?
Jaką ilość danych przyswajał człowiek w XV wieku, a jaką obecnie?
Ile to jest 1 yottabajt danych?
Jaka część danych w skali globalnej to dane ustrukturyzowane, a jaka – cyfrowe?
Czy obecnie jeszcze istnieją w wersji papierowej kopie zapasowe danych?
Ile danych jest potrzebnych w celu zidentyfikowania konkretnej osoby z 95% pewnością?
Czym jest kulturomika?
Czy można opatentować dane opisujące organizmy żywe?
Czym jest perceptron wielowarstwowy, metoda wstecznej propagacji błędów, deep learning, anwersalne sieci generatywne, sieci rekurencyjne, splotowe, komórkowe, LSTM, machine learning, projektowanie generatywne, text mining, sentiment analysis, przetwarzania języka naturalnego (NLP) – oraz dlaczego warto te pojęcia znać?
Na czym polega uczenie sieci neuronowych i czy można je „przeuczyć”?
Jakie są przykładowe zastosowania uczenia maszynowego i sieci neuronowych w naukach politycznych?
Czy demokracja i technologia są ze sobą sprzeczne?
– to warto sięgnąć po tę książkę!
Albert Einstein miał stwierdzić: „Wyobraźnia bez wiedzy może tworzyć rzeczy piękne. Wiedza bez wyobraźni najwyżej doskonałe. Wyobraźnia jest ważniejsza niż wiedza, bo choć wiedza wskazuje na to, co jest, wyobraźnia wskazuje na to, co będzie”. Kolejne rozdziały książki są poświęcone właśnie pewnym szczególnym aspektom tego co jest i tego – co będzie.


Książka dotyczy sztucznych sieci neuronowych, jednej z najważniejszych technologii uczenia maszynowego, ważnego działu sztucznej inteligencji, w zastosowaniu do badan politologicznych. Nie ma podobnej pozycji w języku polskim (…). Temat jest ważny i obecnie bardzo popularny ze względu na liczne inicjatywy dotyczące sztucznej inteligencji i sieci neuronowych w szczególności.
prof. dr hab. Włodzisław Duch
Katedra Informatyki Stosowanej, Instytut Nauk Technicznych,
Uniwersytet Mikołaja Kopernika w Toruniu


Praca skutecznie przełamuje (…) stereotyp statystyki jako aktywności trudnej i często nieprzekładalnej na syntetyczne wnioski o otaczającej rzeczywistości społecznej i politycznej. Prowadzona przez Autora narracja, przystępny oraz systematyczny wykład stanowią mocną stronę recenzowanej publikacji, umożliwiając nawet nieobeznanemu z tematyka analiz ilościowych Czytelnikowi zrozumienie metodyki i zastosowań analiz z wykorzystaniem sztucznych sieci neuronowych.
Nowatorstwo Autora odnajdujemy w syntezie i systematycznej ewaluacji użyteczności sztucznych sieci neuronowych na gruncie politologii (…), co w dalszej perspektywie przyczyni się do rozwoju dyscypliny nauk o polityce w obszarze metodologii. Jest to także próba zabrania głosu w szeroko pojętej debacie metodologicznej w naukach o polityce, szczególnie w kontekście swoistej Wilsonowskiej konsiliencji (zmierzania od hermetycznej merytorycznie i metodologicznie dyscypliny do nauki zorientowanej interdyscyplinarnie, a nawet „pandyscyplinarnie”), w tym wykorzystania narzędzi, doświadczeń i paradygmatów zarówno nauk ścisłych, jak i społecznych.
dr hab. Daniel Mider
Wydział Nauk Politycznych i Studiów Międzynarodowych,


Liczba stron252
WydawcaWydawnictwo Naukowe PWN
ISBN-13978-83-01-21651-1
Numer wydania1
Język publikacjipolski
Informacja o sprzedawcyePWN sp. z o.o.

EBOOKI WYDAWCY

Ciekawe propozycje

Spis treści

  Wykaz skrótów     9
  Uwagi wstępne     11
  Rozdział 1. Wprowadzenie do tematyki     17
    1.1. Zalety sztucznych sieci neuronowych    17
      1.1.1. Liczba parametrów modelu     18
      1.1.2. Biologiczne inspiracje     20
      1.1.3. Elastyczność    20
      1.1.4. Sieciowa struktura. Stabilność i efektywność analizy dużych zbiorów danych     21
      1.1.5. Brak konieczności spełnienia warunku liniowości i normalnego rozkładu danych     23
    1.2. Wady sztucznych sieci neuronowych    29
      1.2.1. Specjalizacja i hermetyczność wiedzy przedmiotowej. Terminologia    29
      1.2.2. Wykorzystanie komputerów i oprogramowania    31
      1.2.3. Efektywność    32
      1.2.4. Interpretowalność parametrów modelu. Problem „czarnej skrzynki”    32
      1.2.5. Elastyczność    35
      1.2.6. Ograniczone zastosowanie     36
    1.3. Użyteczność sztucznych sieci neuronowych. Definicja     38
  Rozdział 2. Biologiczne inspiracje     43
    2.1. Komputer jako imitacja mózgu     51
    2.2. Mózg jako inspiracja dla rozwiązań algorytmicznych i układy hybrydowe. Sztuczna inteligencja    58
  Rozdział 3. Rozwój sztucznych sieci neuronowych (rys historyczny). Stan badań 67
  Rozdział 4. Architektury (topologie) sztucznych sieci neuronowych     79
    4.1. Problem liczby elementów sieci: warstwy i neurony     80
    4.2. Problem sposobu połączeń elementów sieci     87
      4.2.2. Sieci rekurencyjne     89
      4.2.3. Sieci LSTM     90
      4.2.4. Sieci splotowe     91
      4.2.5. Sieci samoorganizujące się     92
      4.2.6. Sieci komórkowe     93
  Rozdział 5. Działanie sztucznej sieci neuronowej. Uczenie maszynowe (machine learning)    95
    5.1. Model McCullocha-Pittsa     99
    5.2. Uczenie z nauczycielem (uczenie nadzorowane). Metoda wstecznej propagacji błędów    101
    5.3. Uczenie bez nauczyciela (uczenie nienadzorowane)    104
    5.4. Uczenie ze wzmocnieniem (reinforced learning)     106
    5.5. Uczenie maszynowe (machine learning)     107
    5.6. Ocena jakości modelu     114
  Rozdział 6. „Dane, wszędzie dane”. Big data     119
    6.1. Definicja big data    120
    6.2. Big data jako wyzwanie dla nauk społecznych     125
      6.2.1. Wyzwanie 1: logika procesu badawczego, przyczynowość a korelacja     127
      6.2.2. Wyzwanie 2: metodologia    132
      6.2.3. Nauki społeczne 2.0?     136
    6.3. Rodzaje i źródła danych. Open data     140
    6.4. Big data a etyka. Problem gromadzenia, przechowywania i wykorzystania danych     151
  Rozdział 7. Przykłady zastosowań politologicznych     169
    7.1. Problemy predykcyjne     171
    7.2. Problemy klasyfikacyjne     179
      7.2.1. Badanie konfliktów zbrojnych     180
      7.2.2. Inne zagadnienia klasyfikacyjne     191
  Zakończenie     197
  Bibliografia    209
  Indeks osobowy     243
RozwińZwiń
W celu zapewnienia wysokiej jakości świadczonych przez nas usług, nasz portal internetowy wykorzystuje informacje przechowywane w przeglądarce internetowej w formie tzw. „cookies”. Poruszając się po naszej stronie internetowej wyrażasz zgodę na wykorzystywanie przez nas „cookies”. Informacje o przechowywaniu „cookies”, warunkach ich przechowywania i uzyskiwania dostępu do nich znajdują się w Regulaminie.

Nie pokazuj więcej tego powiadomienia