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: 1 نویسندگان: Ivan Nunes da Silva, Danilo Hernane Spatti, Rogerio Andrade Flauzino, Luisa Helena Bartocci Liboni, Silas Franco dos Reis Alves (auth.) سری: ISBN (شابک) : 9783319431628, 9783319431611 ناشر: Springer International Publishing سال نشر: 2017 تعداد صفحات: 309 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 16 مگابایت
کلمات کلیدی مربوط به کتاب شبکه های عصبی مصنوعی: یک دوره عملی: مهندسی ارتباطات، شبکه ها، هوش محاسباتی، مدل های ریاضی فرآیندهای شناختی و شبکه های عصبی، داده کاوی و کشف دانش، تشخیص الگو
در صورت تبدیل فایل کتاب Artificial Neural Networks : A Practical Course 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 شبکه های عصبی مصنوعی: یک دوره عملی 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 پوشش جامعی از شبکه های عصبی، تکامل آنها، ساختار آنها، مشکلاتی که می توانند حل کنند و کاربردهای آنها ارائه می دهد. نیمه اول کتاب به بررسیهای نظری روی شبکههای عصبی مصنوعی میپردازد و به معماریهای کلیدی میپردازد که قادر به پیادهسازی در سناریوهای کاربردی مختلف هستند. نیمه دوم به طور خاص برای تولید راه حل هایی با استفاده از شبکه های عصبی مصنوعی برای حل مسائل عملی ناشی از حوزه های مختلف دانش طراحی شده است. همچنین جزئیات پیاده سازی مختلفی را که برای دستیابی به نتایج گزارش شده در نظر گرفته شده است، شرح می دهد. این جنبهها به بلوغ و بهبود تکنیکهای تجربی برای مشخص کردن معماری شبکههای عصبی که برای یک حوزه کاربردی خاص مناسبتر است، کمک میکنند. این کتاب علاوه بر پژوهشگران و متخصصان برای دانشجویان مقاطع تحصیلات تکمیلی و فوق لیسانس مناسب است.
This book provides comprehensive coverage of neural networks, their evolution, their structure, the problems they can solve, and their applications. The first half of the book looks at theoretical investigations on artificial neural networks and addresses the key architectures that are capable of implementation in various application scenarios. The second half is designed specifically for the production of solutions using artificial neural networks to solve practical problems arising from different areas of knowledge. It also describes the various implementation details that were taken into account to achieve the reported results. These aspects contribute to the maturation and improvement of experimental techniques to specify the neural network architecture that is most appropriate for a particular application scope. The book is appropriate for students in graduate and upper undergraduate courses in addition to researchers and professionals.
Front Matter....Pages i-xx
Front Matter....Pages 1-1
Introduction....Pages 3-19
Artificial Neural Network Architectures and Training Processes....Pages 21-28
The Perceptron Network....Pages 29-40
The ADALINE Network and Delta Rule....Pages 41-54
Multilayer Perceptron Networks....Pages 55-115
Radial Basis Function Networks....Pages 117-138
Recurrent Hopfield Networks....Pages 139-155
Self-Organizing Kohonen Networks....Pages 157-172
LVQ and Counter-Propagation Networks....Pages 173-187
ART (Adaptive Resonance Theory) Networks....Pages 189-206
Front Matter....Pages 207-207
Coffee Global Quality Estimation Using Multilayer Perceptron....Pages 209-213
Computer Network Traffic Analysis Using SNMP Protocol and LVQ Networks....Pages 215-219
Forecast of Stock Market Trends Using Recurrent Networks....Pages 221-227
Disease Diagnostic System Using ART Networks....Pages 229-233
Pattern Identification of Adulterants in Coffee Powder Using Kohonen Self-organizing Map....Pages 235-239
Recognition of Disturbances Related to Electric Power Quality Using MLP Networks....Pages 241-246
Trajectory Control of Mobile Robot Using Fuzzy Systems and MLP Networks....Pages 247-252
Method for Classifying Tomatoes Using Computer Vision and MLP Networks....Pages 253-258
Performance Analysis of RBF and MLP Networks in Pattern Classification....Pages 259-265
Solution of Constrained Optimization Problems Using Hopfield Networks....Pages 267-277
Back Matter....Pages 279-307