Sale
اصول شبکههای عصبی مصنوعی: از طرحهای پایه تا یادگیری عمیق (ویرایش چهارم) ۲۰۱۹
Principles Of Artificial Neural Networks: Basic Designs To Deep Learning (4th Edition) 2019
دانلود کتاب اصول شبکههای عصبی مصنوعی: از طرحهای پایه تا یادگیری عمیق (ویرایش چهارم) ۲۰۱۹ (Principles Of Artificial Neural Networks: Basic Designs To Deep Learning (4th Edition) 2019) با لینک مستقیم و فرمت pdf (پی دی اف) و ترجمه فارسی
| نویسنده |
Daniel Graupe |
|---|
ناشر:
World Scientific
۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید
| سال انتشار |
2019 |
|---|---|
| زبان |
English |
| تعداد صفحهها |
440 |
| نوع فایل |
|
| حجم |
3.9 MB |
🏷️ قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
هوشمصنوعی ترجمه کالیبو
توضیحات
معرفی کتاب اصول شبکههای عصبی مصنوعی: از طرحهای پایه تا یادگیری عمیق (ویرایش چهارم) ۲۰۱۹
حوزه شبکههای عصبی مصنوعی، با سرعت فزایندهای در حال رشد است و به طور خاص، پیشرو در فناوری اطلاعات، هوش مصنوعی و یادگیری ماشین محسوب میشود. این مجموعه ضروری، به ارائه نظریهها و مطالعات موردی شبکههای عصبی مصنوعی میپردازد. این جلد که شامل ۴ فصل جدید است، با برجسته ساختن آخرین دستاوردهای شبکههای عصبی یادگیری عمیق (Deep-Learning Neural Networks) – که رویکردهای پیشروی اخیر در شبکههای عصبی هستند – نسخه قبلی خود را بهروزرسانی میکند.ویژگی منحصربهفرد این کتاب، ارائه مطالعات موردی کاربردهای شبکههای عصبی است – که نشان میدهد این مطالعات موردی چگونه طراحی و اجرا شده و نتایج آنها چگونه به دست آمدهاند. این اثر، برای یک دوره یک ترمی در مقطع کارشناسی ارشد یا کارشناسی ارشد ارشد در زمینه شبکههای عصبی مصنوعی نگارش شده است. همچنین، به عنوان یک منبع خودآموز و مرجع برای دانشمندان، مهندسان و محققان در زمینههای پزشکی، مالی و دادهکاوی نیز مناسب است.
فهرست کتاب:
۱. صفحه روی جلد
۲. صفحه عنوان
۳. حق چاپ
۴. تقدیم
۵. تشکر و قدردانی
۶. پیشگفتار ویرایش چهارم
۷. پیشگفتار ویرایش اول
۸. فهرست مطالب
۹. فصل ۱. مقدمه و نقش شبکههای عصبی مصنوعی
۱۰. فصل ۲. مبانی شبکههای عصبی زیستی
۱۱. فصل ۳. اصول اساسی شبکههای عصبی مصنوعی و ساختارهای آنها
۱۲. فصل ۴. پرسپترون
۱۳. فصل ۵. مادالین
۱۴. فصل ۶. پس انتشار
۱۵. فصل ۷. شبکههای هاپفیلد
۱۶. فصل ۸. انتشار معکوس
۱۷. فصل ۹. نظریه تشدید تطبیقی
۱۸. فصل ۱۰. شناختینما و نئو شناختینما
۱۹. فصل ۱۱. آموزش آماری
۲۰. فصل ۱۲. شبکههای پس انتشار بازگشتی (چرخه زمانی).
۲۱. فصل ۱۳. شبکههای عصبی یادگیری عمیق: اصول و دامنه
۲۲. فصل ۱۴. شبکه عصبی کانولوشنال یادگیری عمیق
۲۳. فصل ۱۵. شبکههای عصبی لاماستار
۲۴. فصل ۱۶. عملکرد شبکههای عصبی یادگیری عمیق – مطالعات موردی تطبیقی
۲۵. مسائل
۲۶. مراجع
۲۷. فهرست نام نویسندگان
۲۸. فهرست موضوعی
توضیحات(انگلیسی)
The field of Artificial Neural Networks is the fastest growing field in Information Technology and specifically, in Artificial Intelligence and Machine Learning.This must-have compendium presents the theory and case studies of artificial neural networks. The volume, with 4 new chapters, updates the earlier edition by highlighting recent developments in Deep-Learning Neural Networks, which are the recent leading approaches to neural networks. Uniquely, the book also includes case studies of applications of neural networks — demonstrating how such case studies are designed, executed and how their results are obtained.The title is written for a one-semester graduate or senior-level undergraduate course on artificial neural networks. It is also intended to be a self-study and a reference text for scientists, engineers and for researchers in medicine, finance and data mining.
Table of Contents
1. Cover page
2. Title page
3. Copyright
4. Dedication
5. Acknowledgments
6. Preface to the Fourth Edition
7. Preface to the First Edition
8. Contents
9. Chapter 1. Introduction and Role of Artificial Neural Networks
10. Chapter 2. Fundamentals of Biological Neural Networks
11. Chapter 3. Basic Principles of ANNs and Their Structures
12. Chapter 4. The Perceptron
13. Chapter 5. The Madaline
14. Chapter 6. Back Propagation
15. Chapter 7. Hopfield Networks
16. Chapter 8. Counter Propagation
17. Chapter 9. Adaptive Resonance Theory
18. Chapter 10. The Cognitron and Neocognitron
19. Chapter 11. Statistical Training
20. Chapter 12. Recurrent (Time Cycling) Back Propagation Networks
21. Chapter 13. Deep Learning Neural Networks: Principles and Scope
22. Chapter 14. Deep Learning Convolutional Neural Network
23. Chapter 15. LAMSTAR Neural Networks
24. Chapter 16. Performance of DLNN — Comparative Case Studies
25. Problems
26. References
27. Author Index
28. Subject Index
دیگران دریافت کردهاند
سایر کتابهای ناشر
✨ ضمانت تجربه خوب مطالعه
بازگشت کامل وجه
در صورت مشکل، مبلغ پرداختی بازگردانده می شود.
دانلود پرسرعت
دانلود فایل کتاب با سرعت بالا
ارسال فایل به ایمیل
دانلود مستقیم به همراه ارسال فایل به ایمیل.
پشتیبانی ۲۴ ساعته
با چت آنلاین و پیامرسان ها پاسخگو هستیم.
ضمانت کیفیت کتاب
کتاب ها را از منابع معتیر انتخاب می کنیم.
