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
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: Alma Alanis, Nancy Arana-Daniel, Carlos Lopez-Franco سری: ISBN (شابک) : 9780128182475 ناشر: Academic Press سال نشر: 2019 تعداد صفحات: 165 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 17 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Artificial Neural Networks for Engineering 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 شبکه های عصبی مصنوعی برای کاربردهای مهندسی 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.
شبکههای عصبی مصنوعی برای کاربردهای مهندسی، روندهای فعلی را برای حل مسائل پیچیده مهندسی ارائه میدهند که از طریق روشهای مرسوم قابل حل نیستند. روشهای پیشنهادی را میتوان برای مدلسازی، تشخیص الگو، طبقهبندی، پیشبینی، تخمین و موارد دیگر به کار برد. خوانندگان روشهای مختلفی را برای حل مشکلات مختلف از جمله سیستمهای غیرخطی پیچیده، شبکههای محاسباتی سلولی، تصفیه فاضلاب، تشخیص حمله در سیستمهای فیزیکی سایبری، کنترل پهپادها، سیستمهای بیومکانیکی و بیوپزشکی، پیشبینی سریهای زمانی، سوختهای زیستی و غیره پیدا خواهند کرد. علاوه بر پیاده سازی بلادرنگ، این کتاب شامل تمام تئوری های مورد نیاز برای استفاده از روش های پیشنهادی برای کاربردهای مختلف است.
Artificial Neural Networks for Engineering Applications presents current trends for the solution of complex engineering problems that cannot be solved through conventional methods. The proposed methodologies can be applied to modeling, pattern recognition, classification, forecasting, estimation, and more. Readers will find different methodologies to solve various problems, including complex nonlinear systems, cellular computational networks, waste water treatment, attack detection on cyber-physical systems, control of UAVs, biomechanical and biomedical systems, time series forecasting, biofuels, and more. Besides the real-time implementations, the book contains all the theory required to use the proposed methodologies for different applications.
1. Hierarchical Dynamic Neural Networks for Cascade System Modeling with Application to Wastewater Treatment 2. Hyperellipsoidal Neural Network trained with Extended Kalman Filter for forecasting of time series 3. Neural networks: a methodology for modeling and control design of dynamical systems 4. Continuous–Time Decentralized Neural Control of a Quadrotor UAV 5. Support Vector Regression for digital video processing 6. Artificial Neural Networks Based on Nonlinear Bioprocess Models for Predicting Wastewater Organic Compounds and Biofuels Production 7. Neural Identification for Within-Host Infectious Disease Progression 8. Attack Detection and Estimation for Cyber-physical Systems by using Learning Methodology 9. Adaptive PID Controller using a Multilayer Perceptron Trained with the Extended Kalman Filter for an Unmanned Aerial Vehicle 10. Sensitivity Analysis with Artificial Neural Networks for Operation of Photovoltaic Systems 11. Pattern Classification and its Applications to Control of Biomechatronic Systems