فرمول‌ها و کاربردهای گسسته‌سازی زمانی ژانگ (ZTD) ۲۰۲۴
Zhang Time Discretization (ZTD) Formulas and Applications 2024

هدف این کتاب، حل مسائل مربوط به پیاده‌سازی گسسته مدل‌های شبکه‌های عصبی زمان-پیوسته و در عین حال، ارتقای عملکرد شبکه‌های عصبی با استفاده از فرمول‌های مختلف «گسسته‌سازی زمانی ژانگ» (ZTD) است.

نویسندگان، استخراج سیستماتیک و پژوهش کامل فرمول‌های ZTD را، از فرمول‌های خاص 3S-ZTD گرفته تا فرمول‌های عمومی NS-ZTD، خلاصه و ارائه می‌کنند. این فرمول‌ها در نهایت منجر به الگوریتم‌های شبکه‌های عصبی ژانگ زمان-گسسته (DTZNN) پیشنهادی آن‌ها می‌شوند که کارآمدتر، دقیق‌تر و ظریف‌تر هستند. این کتاب دریچه‌ای به سوی کاربردهای علمی و مهندسی فرمول‌های ZTD و شبکه‌های عصبی می‌گشاید و الهام‌بخش مهمی برای مطالعات در زمینه مدل‌سازی شبکه‌های عصبی، طراحی الگوریتم‌های عددی، پیش‌بینی و کنترل بازوی ربات خواهد بود.

این کتاب برای مهندسان، دانشجویان مقطع کارشناسی ارشد، دانشجویان تحصیلات تکمیلی و محققان در زمینه‌های شبکه‌های عصبی، ریاضیات کامپیوتر، علوم کامپیوتر، هوش مصنوعی، الگوریتم‌های عددی، بهینه‌سازی، رباتیک و مدل‌سازی شبیه‌سازی مفید خواهد بود.

This book aims to solve the discrete implementation problems of continuous-time neural network models while improving the performance of neural networks by using various Zhang Time Discretization (ZTD) formulas.

The authors summarize and present the systematic derivations and complete research of ZTD formulas from special 3S-ZTD formulas to general NS-ZTD formulas. These finally lead to their proposed discrete-time Zhang neural network (DTZNN) algorithms, which are more efficient, accurate, and elegant. This book will open the door to scientific and engineering applications of ZTD formulas and neural networks, and will be a major inspiration for studies in neural network modeling, numerical algorithm design, prediction, and robot manipulator control.

The book will benefit engineers, senior undergraduates, graduate students, and researchers in the fields of neural networks, computer mathematics, computer science, artificial intelligence, numerical algorithms, optimization, robotics, and simulation modeling.