Sale
اصول شبکههای عصبی مصنوعی ۲۰۰۷
Principles of Artificial Neural Networks 2007
دانلود کتاب اصول شبکههای عصبی مصنوعی ۲۰۰۷ (Principles of Artificial Neural Networks 2007) 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 |
2007 |
|---|---|
| زبان |
English |
| تعداد صفحهها |
320 |
| نوع فایل |
|
| حجم |
4.8 MB |
🏷️ قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
هوشمصنوعی ترجمه کالیبو
توضیحات
معرفی کتاب اصول شبکههای عصبی مصنوعی ۲۰۰۷
این کتاب میتواند به عنوان متن درسی برای دانشجویان تحصیلات تکمیلی یا دوره پیشرفته کارشناسی در رشتههای مهندسی و علوم کامپیوتر مورد استفاده قرار گیرد. همچنین، مهندسان و دانشمندان کامپیوتر شاغل در صنعت نیز میتوانند از آن به عنوان یک دوره خودآموز بهره ببرند.
این کتاب با پوشش رویکردها و معماریهای اصلی شبکههای عصبی به همراه نظریههای مربوطه، مطالعات موردی دقیقی را برای هر رویکرد ارائه میدهد که با کدهای کامپیوتری کامل و نتایج محاسباتی مربوطه همراه است. طراحی مطالعات موردی به گونهای است که امکان مقایسه آسان عملکرد شبکهها را فراهم میکند تا نقاط قوت و ضعف شبکههای مختلف به خوبی نشان داده شود.
فهرست کتاب:
۱. فهرست مندرجات
۲. تقدیر و تشکر
۳. پیشگفتار ویرایش اول
۴. پیشگفتار ویرایش دوم
۵. فصل ۱. مقدمه و نقش شبکههای عصبی مصنوعی
۶. فصل ۲. مبانی شبکههای عصبی بیولوژیکی
۷. فصل ۳. اصول اولیه شبکههای عصبی مصنوعی و ساختارهای اولیه آنها
۸. فصل ۴. پرسپترون
۹. فصل ۵. مادالین
۱۰. فصل ۶. پس انتشار
۱۱. فصل ۷. شبکههای هاپفیلد
۱۲. فصل ۸. انتشار متقابل
۱۳. فصل ۹. نظریه تشدید تطبیقی
۱۴. فصل ۱۰. کوگنیترون و نئوکوگنیترون
۱۵. فصل ۱۱. آموزش آماری
۱۶. فصل ۱۲. شبکههای پس انتشار بازگشتی (چرخه زمانی)
۱۷. فصل ۱۳. شبکه ذخیره و بازیابی حافظه در مقیاس بزرگ (LAMSTAR)
۱۸. مسائل
۱۹. مراجع
۲۰. فهرست نام نویسندگان
۲۱. فهرست موضوعی
توضیحات(انگلیسی)
The book should serve as a text for a university graduate course or for an advanced undergraduate course on neural networks in engineering and computer science departments. It should also serve as a self-study course for engineers and computer scientists in the industry. Covering major neural network approaches and architectures with the theories, this text presents detailed case studies for each of the approaches, accompanied with complete computer codes and the corresponding computed results. The case studies are designed to allow easy comparison of network performance to illustrate strengths and weaknesses of the different networks.
Table of Contents
1. Contents
2. Acknowledgments
3. Preface to the First Edition
4. Preface to the Second Edition
5. Chapter 1. Introduction and Role of Arti cial Neural Networks
6. Chapter 2. Fundamentals of Biological Neural Networks
7. Chapter 3. Basic Principles of ANNs and Their Early Structures
8. Chapter 4. The Perceptron
9. Chapter 5. The Madaline
10. Chapter 6. Back Propagation
11. Chapter 7. Hop eld Networks
12. Chapter 8. Counter Propagation
13. Chapter 9. Adaptive Resonance Theory
14. Chapter 10. The Cognitron and the Neocognitron
15. Chapter 11. Statistical Training
16. Chapter 12. Recurrent (Time Cycling) Back Propagation Networks
17. Chapter 13. Large Scale Memory Storage and Retrieval (LAMSTAR) Network
18. Problems
19. References
20. Author Index
21. 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.
