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
ویرایش:
نویسندگان: Anderson J.A.
سری:
ISBN (شابک) : 0262510812, 9780262510813
ناشر: MIT
سال نشر: 1997
تعداد صفحات: 651
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب An introduction to neural networks 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 مقدمه ای بر شبکه های عصبی 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.
مقدمهای بر شبکههای عصبی در جایگاه جدیدی برای متون قرار میگیرد. بر اساس یادداشتهایی که بیش از یک دهه در کلاس آزمایش شدهاند، هدف آن دانشجویان علوم شناختی و علوم اعصاب است که نیاز به درک عملکرد مغز از نظر مدلسازی محاسباتی دارند، و مهندسینی که میخواهند فراتر از الگوریتمهای رسمی به برنامهها و محاسبات بروند. استراتژی ها. این تنها متن فعلی است که به شبکهها از منظر عصبشناسی و علوم شناختی گسترده میپردازد، با تأکید بر زیستشناسی و روانشناسی پشت مفروضات مدلها، و همچنین در مورد آنچه که مدلها ممکن است برای آنها استفاده شوند. این ابزارهای ریاضی و محاسباتی مورد نیاز را شرح میدهد و شرحی از ایدههای خود نویسنده ارائه میدهد. آنها با مدل حالت مغز در جعبه (BSB) نویسنده آشنا می شوند و برخی از زمینه های عصبی زیستی لازم برای درک دقیق موضوع کلی ارائه می شوند. زمینه ای که اکنون به عنوان شبکه های عصبی شناخته می شود در سال های اخیر تقسیم شده است. به دو گروه عمده که در متون موجود منعکس شده است: مهندسانی که عمدتاً به کاربردهای عملی فناوری محاسبات موازی تطبیقی جدید علاقه مند هستند و دانشمندان علوم شناختی و عصب شناسانی که به کاربردهای علمی علاقه مند هستند. با افزایش شکاف بین این دو گروه، اندرسون خاطرنشان می کند که دانشگاهیان تمایل دارند به سمت تحقیقات نامربوط و اغلب بیش از حد انتزاعی سوق پیدا کنند در حالی که مهندسان ارتباط خود را با منبع ایده ها در این زمینه از دست داده اند. او اشاره میکند که علوم اعصاب منبع غنی و ارزشمندی از ایدهها در مورد نمایش دادهها فراهم میکند و راهاندازی نمایش دادهها بخش اصلی برنامهنویسی شبکههای عصبی است. هم علوم شناختی و هم علوم اعصاب بینش هایی را در مورد اینکه چگونه می توان این کار را به طور مؤثر انجام داد، ارائه می دهد: علم شناختی پیشنهاد می کند که چه چیزی را محاسبه کنیم و علوم اعصاب نشان می دهد که چگونه آن را محاسبه کنیم.
An Introduction to Neural Networks falls into a new ecological niche for texts. Based on notes that have been class-tested for more than a decade, it is aimed at cognitive science and neuroscience students who need to understand brain function in terms of computational modeling, and at engineers who want to go beyond formal algorithms to applications and computing strategies. It is the only current text to approach networks from a broad neuroscience and cognitive science perspective, with an emphasis on the biology and psychology behind the assumptions of the models, as well as on what the models might be used for. It describes the mathematical and computational tools needed and provides an account of the author's own ideas.Students learn how to teach arithmetic to a neural network and get a short course on linear associative memory and adaptive maps. They are introduced to the author's brain-state-in-a-box (BSB) model and are provided with some of the neurobiological background necessary for a firm grasp of the general subject.The field now known as neural networks has split in recent years into two major groups, mirrored in the texts that are currently available: the engineers who are primarily interested in practical applications of the new adaptive, parallel computing technology, and the cognitive scientists and neuroscientists who are interested in scientific applications. As the gap between these two groups widens, Anderson notes that the academics have tended to drift off into irrelevant, often excessively abstract research while the engineers have lost contact with the source of ideas in the field. Neuroscience, he points out, provides a rich and valuable source of ideas about data representation and setting up the data representation is the major part of neural network programming. Both cognitive science and neuroscience give insights into how this can be done effectively: cognitive science suggests what to compute and neuroscience suggests how to compute it.