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: [1st ed.] نویسندگان: Michael Zgurovsky, Victor Sineglazov, Elena Chumachenko سری: Studies in Computational Intelligence 904 ISBN (شابک) : 9783030484521, 9783030484538 ناشر: Springer International Publishing;Springer سال نشر: 2021 تعداد صفحات: XV, 512 [527] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 23 Mb
در صورت تبدیل فایل کتاب Artificial Intelligence Systems Based on Hybrid Neural Networks: Theory 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 سیستم های هوش مصنوعی مبتنی بر شبکه های عصبی ترکیبی: نظریه و برنامه ها 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 کتاب برای متخصصان و همچنین دانشجویان و دانشجویان تحصیلات تکمیلی در زمینه هوش مصنوعی، رباتیک و فناوری اطلاعات در نظر گرفته شده است. همچنین برای طیف گسترده ای از خوانندگان علاقه مند به گسترش عملکرد سیستم های هوش مصنوعی جذاب است. یکی از مشکلات مبرم سیستم های هوش مصنوعی مدرن، توسعه سیستم های ترکیبی یکپارچه مبتنی بر یادگیری عمیق است. متأسفانه، در حال حاضر هیچ روش جهانی برای توسعه توپولوژی شبکههای عصبی ترکیبی (HNN) با استفاده از یادگیری عمیق وجود ندارد. توسعه چنین سیستم هایی مستلزم گسترش استفاده از شبکه های عصبی (NS) برای حل مسائل شناسایی، طبقه بندی و بهینه سازی است. به این ترتیب، ایجاد یک روش یکپارچه برای ساخت HNN با مجموعهای از مدلهای نورونهای مصنوعی که HNN را تشکیل میدهند، ضروری است و به تدریج پیچیدگی ساختار آنها را با استفاده از الگوریتمهای یادگیری ترکیبی افزایش میدهد.
This book is intended for specialists as well as students and graduate students in the field of artificial intelligence, robotics and information technology. It is will also appeal to a wide range of readers interested in expanding the functionality of artificial intelligence systems. One of the pressing problems of modern artificial intelligence systems is the development of integrated hybrid systems based on deep learning. Unfortunately, there is currently no universal methodology for developing topologies of hybrid neural networks (HNN) using deep learning. The development of such systems calls for the expansion of the use of neural networks (NS) for solving recognition, classification and optimization problems. As such, it is necessary to create a unified methodology for constructing HNN with a selection of models of artificial neurons that make up HNN, gradually increasing the complexity of their structure using hybrid learning algorithms.