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: Věra Kůrková, Yannis Manolopoulos, Barbara Hammer, Lazaros Iliadis, Ilias Maglogiannis سری: Lecture Notes in Computer Science 11139 ISBN (شابک) : 9783030014179 ناشر: Springer International Publishing سال نشر: 2018 تعداد صفحات: XLIII, 824 [854] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 72 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Artificial Neural Networks and Machine Learning – ICANN 2018: 27th International Conference on Artificial Neural Networks, Rhodes, Greece, October 4-7, 2018, Proceedings, Part I 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 و یادگیری ماشین – ICANN 2018: بیست و هفتمین کنفرانس بین المللی شبکه های عصبی مصنوعی، رودس، یونان، 4 تا 7 اکتبر 2018، مجموعه مقالات، قسمت اول 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 مجموعه سه جلدی LNCS 11139-11141، مجموعه مقالات داوری بیست و هفتمین کنفرانس بین المللیامین بین المللی شبکه های عصبی مصنوعی، ICANN 2018، در رودس، یونان، در اکتبر 2018 را تشکیل می دهد.
مقالات ارائه شده در این مجلدها با دقت بررسی و از بین 360 مقاله ارسالی انتخاب شدند. آنها با موضوعات موضوعی زیر مرتبط هستند: هوش مصنوعی و بیوانفورماتیک، شبکه های حالت بیزی و اکو، محاسبات الهام گرفته از مغز، مدل های پیچیده آشفته، خوشه بندی، استخراج، تجزیه و تحلیل اکتشافی، معماری کدگذاری، الگوهای شلیک پیچیده، شبکه های عصبی کانولوشن، یادگیری عمیق (DL) ، DL در سیستم های زمان واقعی، تجزیه و تحلیل DL و Big Data، DL و Big Data، DL و Forensics، DL و امنیت سایبری، DL و شبکه های اجتماعی، سیستم های در حال تکامل - بهینه سازی، ماشین های یادگیری افراطی، از نورون ها تا نورومورفیسم، از احساس تا ادراک، از تک نرونها تا شبکهها، مدلسازی فازی، ANN سلسله مراتبی، استنتاج و تشخیص، اطلاعات و بهینهسازی، تعامل با مغز، یادگیری ماشینی (ML)، ML برای سیستمهای پزشکی زیستی، ML و پردازش تصویر ویدئویی، ML و پزشکی قانونی، ML و امنیت سایبری، ML و رسانههای اجتماعی، ML در مهندسی، تشخیص حرکت و حرکت، پرسپترونهای چندلایه و شبکههای هسته، زبان طبیعی، تشخیص اشیاء و چهره، Ne Recurrent شبکههای اورال و محاسبات مخزن، یادگیری تقویتی، محاسبات مخزن، نقشههای خودسازماندهی، دینامیک Spiking/Spiking ANN، ماشینهای برداری پشتیبانی، هوش ازدحام و تصمیمگیری، متن کاوی، محاسبات عصبی نظری، سریهای زمانی و پیشبینی، آموزش.
This three-volume set LNCS 11139-11141 constitutes the refereed proceedings of the 27th International Conference on Artificial Neural Networks, ICANN 2018, held in Rhodes, Greece, in October 2018.
The papers presented in these volumes was carefully reviewed and selected from total of 360 submissions. They are related to the following thematic topics: AI and Bioinformatics, Bayesian and Echo State Networks, Brain Inspired Computing, Chaotic Complex Models, Clustering, Mining, Exploratory Analysis, Coding Architectures, Complex Firing Patterns, Convolutional Neural Networks, Deep Learning (DL), DL in Real Time Systems, DL and Big Data Analytics, DL and Big Data, DL and Forensics, DL and Cybersecurity, DL and Social Networks, Evolving Systems – Optimization, Extreme Learning Machines, From Neurons to Neuromorphism, From Sensation to Perception, From Single Neurons to Networks, Fuzzy Modeling, Hierarchical ANN, Inference and Recognition, Information and Optimization, Interacting with The Brain, Machine Learning (ML), ML for Bio Medical systems, ML and Video-Image Processing, ML and Forensics, ML and Cybersecurity, ML and Social Media, ML in Engineering, Movement and Motion Detection, Multilayer Perceptrons and Kernel Networks, Natural Language, Object and Face Recognition, Recurrent Neural Networks and Reservoir Computing, Reinforcement Learning, Reservoir Computing, Self-Organizing Maps, Spiking Dynamics/Spiking ANN, Support Vector Machines, Swarm Intelligence and Decision-Making, Text Mining, Theoretical Neural Computation, Time Series and Forecasting, Training and Learning.