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: Ajith Abraham, Sujata Dash, Subhendu Kumar Pani, Laura García-Hernández سری: ISBN (شابک) : 0323902774, 9780323902779 ناشر: Academic Press سال نشر: 2022 تعداد صفحات: 432 [434] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 16 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Artificial Intelligence for Neurological Disorders 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 هوش مصنوعی برای اختلالات 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.
هوش مصنوعی برای اختلالات عصبی منبع جامعی از رویکردهای پیشرفته برای هوش مصنوعی، تجزیه و تحلیل دادههای بزرگ و تحقیقات عصبی مبتنی بر یادگیری ماشین ارائه میکند. این کتاب بسیاری از تکنیکهای یادگیری ماشینی را برای تشخیص بیماریهای عصبی در سطح سلولی و همچنین کاربردهای دیگری مانند تقسیمبندی تصویر، طبقهبندی و نمایهسازی تصویر، شبکههای عصبی و روشهای پردازش تصویر مورد بحث قرار میدهد. فصلها شامل تکنیکهای هوش مصنوعی برای تشخیص زودهنگام بیماریهای عصبی و کاربردهای یادگیری عمیق با استفاده از روشهای تصویربرداری مغز مانند EEG، MEG، fMRI، fNIRS و PET برای پیشبینی تشنج یا توانبخشی عصبی عضلانی است.
هدف این کتاب ارائه پوشش گسترده ای از این روش ها به خوانندگان است تا تشویق به پذیرش گسترده تر هوش مصنوعی، یادگیری ماشین و تجزیه و تحلیل داده های بزرگ برای حل مسئله و تحریک شود. تحقیقات عصبی و پیشرفت های درمانی.
Artificial Intelligence for Neurological Disorders provides a comprehensive resource of state-of-the-art approaches for AI, big data analytics and machine learning-based neurological research. The book discusses many machine learning techniques to detect neurological diseases at the cellular level, as well as other applications such as image segmentation, classification and image indexing, neural networks and image processing methods. Chapters include AI techniques for the early detection of neurological disease and deep learning applications using brain imaging methods like EEG, MEG, fMRI, fNIRS and PET for seizure prediction or neuromuscular rehabilitation.
The goal of this book is to provide readers with broad coverage of these methods to encourage an even wider adoption of AI, Machine Learning and Big Data Analytics for problem-solving and stimulating neurological research and therapy advances.