دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: ریاضیات کاربردی ویرایش: 1st نویسندگان: Cornelius T. Leondes سری: ISBN (شابک) : 9780080498980, 012443861X ناشر: سال نشر: 1997 تعداد صفحات: 485 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 19 مگابایت
در صورت تبدیل فایل کتاب Algorithms and Architectures (Neural Network Systems Techniques and Applications) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب الگوریتم ها و معماری (تکنیک های شبکه عصبی و برنامه های کاربردی) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این جلد اولین بررسی متنوع و جامع از الگوریتم ها و معماری ها برای تحقق سیستم های شبکه عصبی است. این تکنیک ها و روش های متنوعی را در زمینه های متعددی از این موضوع گسترده ارائه می دهد. این کتاب ساختارهای اصلی سیستم های شبکه عصبی را برای دستیابی به سیستم های موثر پوشش می دهد و آنها را با مثال هایی نشان می دهد. این جلد شامل شبکههای تابع پایه شعاعی، الگوریتم یادگیری Expand-and-Truncate برای سنتز شبکههای آستانه سه لایه، مقدار دهی اولیه وزن، انواع سریع و کارآمد شبکههای عصبی Hamming و Hopfield، سیستمهای عصبی چندسطحی همگام گسسته زمان با کاهش تقاضای VLSI است. تکنیکهای طراحی احتمالاتی، تکنیکهای مبتنی بر زمان، تکنیکهایی برای کاهش الزامات تحقق فیزیکی، و کاربردها برای مسائل محدودیت محدود. این کتاب یک مرجع منحصر به فرد و جامع برای طیف گسترده ای از الگوریتم ها و معماری ها، برای پزشکان، محققان و دانشجویان در مهندسی صنایع، تولید، برق و مکانیک و همچنین در علوم کامپیوتر و مهندسی مفید خواهد بود. ویژگیهای کلیدی* شبکههای تابع پایه شعاعی* الگوریتم یادگیری Expand-and-Truncate برای سنتز شبکههای آستانه سه لایه* مقدار دهی اولیه وزن * انواع سریع و کارآمد شبکههای عصبی Hamming و Hopfield * سیستمهای عصبی چندسطحی همگام گسسته زمانی با کاهش تقاضای VLSI * تکنیک های طراحی احتمالاتی * تکنیک های مبتنی بر زمان * تکنیک هایی برای کاهش الزامات تحقق فیزیکی * کاربردها برای مسائل محدودیت محدود * روش های تحقق عملی برای سیستم های حافظه انجمنی نوع هبی * سیستم های شبکه عصبی سلسله مراتبی خود سازمان دهی موازی * دینامیک شبکه های نورون های بیولوژیکی برای استفاده در علوم اعصاب محاسباتی، پزشکان، محققان و دانشجویان در مهندسی صنایع، تولید، برق و مکانیک، و همچنین در علوم و مهندسی کامپیوتر، این جلد را مرجعی منحصر به فرد و جامع به طیف گسترده ای از الگوریتم ها و معماری ها خواهند یافت.
This volume is the first diverse and comprehensive treatment of algorithms and architectures for the realization of neural network systems. It presents techniques and diverse methods in numerous areas of this broad subject. The book covers major neural network systems structures for achieving effective systems, and illustrates them with examples. This volume includes Radial Basis Function networks, the Expand-and-Truncate Learning algorithm for the synthesis of Three-Layer Threshold Networks, weight initialization, fast and efficient variants of Hamming and Hopfield neural networks, discrete time synchronous multilevel neural systems with reduced VLSI demands, probabilistic design techniques, time-based techniques, techniques for reducing physical realization requirements, and applications to finite constraint problems. A unique and comprehensive reference for a broad array of algorithms and architectures, this book will be of use to practitioners, researchers, and students in industrial, manufacturing, electrical, and mechanical engineering, as well as in computer science and engineering. Key Features* Radial Basis Function networks* The Expand-and-Truncate Learning algorithm for the synthesis of Three-Layer Threshold Networks* Weight initialization* Fast and efficient variants of Hamming and Hopfield neural networks* Discrete time synchronous multilevel neural systems with reduced VLSI demands* Probabilistic design techniques* Time-based techniques* Techniques for reducing physical realization requirements* Applications to finite constraint problems* Practical realization methods for Hebbian type associative memory systems* Parallel self-organizing hierarchical neural network systems* Dynamics of networks of biological neurons for utilization in computational neurosciencePractitioners, researchers, and students in industrial, manufacturing, electrical, and mechanical engineering, as well as in computer science and engineering, will find this volume a unique and comprehensive reference to a broad array of algorithms and architectures