ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Artificial Neural Networks – ICANN 2010: 20th International Conference, Thessaloniki, Greece, September 15-18, 2010, Proceedings, Part III

دانلود کتاب شبکه های عصبی مصنوعی - ICANN 2010: 20th International Conference، Thessaloniki، Greece، September 15-18، 2010، Proceedings، Part III

Artificial Neural Networks – ICANN 2010: 20th International Conference, Thessaloniki, Greece, September 15-18, 2010, Proceedings, Part III

مشخصات کتاب

Artificial Neural Networks – ICANN 2010: 20th International Conference, Thessaloniki, Greece, September 15-18, 2010, Proceedings, Part III

ویرایش: 1 
نویسندگان: , , ,   
سری: Lecture Notes in Computer Science 6354 : Theoretical Computer Science and General Issues 
ISBN (شابک) : 9783642158254, 3642158242 
ناشر: Springer-Verlag Berlin Heidelberg 
سال نشر: 2010 
تعداد صفحات: 591 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 مگابایت 

قیمت کتاب (تومان) : 39,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد



کلمات کلیدی مربوط به کتاب شبکه های عصبی مصنوعی - ICANN 2010: 20th International Conference، Thessaloniki، Greece، September 15-18، 2010، Proceedings، Part III: هوش مصنوعی (شامل رباتیک)، محاسبات با دستگاه‌های انتزاعی، کاربردهای سیستم‌های اطلاعاتی (شامل اینترنت)، تحلیل الگوریتم و پیچیدگی مسئله، تشخیص الگو، مدیریت پایگاه داده



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 11


در صورت تبدیل فایل کتاب Artificial Neural Networks – ICANN 2010: 20th International Conference, Thessaloniki, Greece, September 15-18, 2010, Proceedings, Part III 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 - ICANN 2010: 20th International Conference، Thessaloniki، Greece، September 15-18، 2010، Proceedings، Part III 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.


توضیحاتی در مورد کتاب شبکه های عصبی مصنوعی - ICANN 2010: 20th International Conference، Thessaloniki، Greece، September 15-18، 2010، Proceedings، Part III



th این جلد بخشی از مجموعه مقالات سه جلدی 20 کنفرانس بین المللی شبکه های عصبی مصنوعی (ICANN 2010) است که در Th-saloniki، یونان طی 15 تا 18 سپتامبر 2010 برگزار شد. ICANN یک سالانه است. این نشست توسط انجمن شبکه های عصبی اروپا (ENNS) با همکاری انجمن بین المللی شبکه عصبی (INNS) و انجمن شبکه عصبی ژاپن (JNNS) برگزار شد. این سری از کنفرانس ها از سال 1991 هر ساله در اروپا برگزار می شود و حوزه های کامپیوتری عصبی، سیستم های یادگیری و سایر حوزه های مرتبط را پوشش می دهد. مانند 19 رویداد گذشته، ICANN 2010 یک انجمن گفتگوی برجسته، پر جنب و جوش و میان رشته ای برای محققان و دانشمندان از سراسر جهان فراهم کرد. برای بحث در مورد آخرین پیشرفت‌های تحقیقاتی و همچنین تمامی پیشرفت‌ها و برنامه‌های کاربردی در حوزه شبکه‌های عصبی مصنوعی (ANN) خوب است. شبکه های عصبی مصنوعی یک ساختار پردازش اطلاعات را با الهام از سیستم های عصبی بیولوژیکی ارائه می دهند و از تعداد زیادی عناصر پردازشی بسیار به هم پیوسته (نرون ها) تشکیل شده اند. هر نورون یک پردازنده ساده با ظرفیت محاسباتی محدود است که معمولاً به یک قانون برای ترکیب سیگنال‌های ورودی (با استفاده از یک تابع فعال‌سازی) به منظور محاسبه خروجی محدود می‌شود. سیگنال‌های خروجی ممکن است دارای وزن دیگری باشند که سیگنال ارسالی را تحریک یا مهار می‌کنند. شبکه های عصبی مصنوعی توانایی "یادگیری" را با مثال (حجم بزرگی از موارد) از طریق چندین تکرار بدون نیاز به دانش پیشینی از روابط بین پارامترهای فرآیند دارند.


توضیحاتی درمورد کتاب به خارجی

th This volume is part of the three-volume proceedings of the 20 International Conference on Arti?cial Neural Networks (ICANN 2010) that was held in Th- saloniki, Greece during September 15–18, 2010. ICANN is an annual meeting sponsored by the European Neural Network Society (ENNS) in cooperation with the International Neural Network So- ety (INNS) and the Japanese Neural Network Society (JNNS). This series of conferences has been held annually since 1991 in Europe, covering the ?eld of neurocomputing, learning systems and other related areas. As in the past 19 events, ICANN 2010 provided a distinguished, lively and interdisciplinary discussion forum for researches and scientists from around the globe. Ito?eredagoodchanceto discussthe latestadvancesofresearchandalso all the developments and applications in the area of Arti?cial Neural Networks (ANNs). ANNs provide an information processing structure inspired by biolo- cal nervous systems and they consist of a large number of highly interconnected processing elements (neurons). Each neuron is a simple processor with a limited computing capacity typically restricted to a rule for combining input signals (utilizing an activation function) in order to calculate the output one. Output signalsmaybesenttootherunitsalongconnectionsknownasweightsthatexcite or inhibit the signal being communicated. ANNs have the ability “to learn” by example (a large volume of cases) through several iterations without requiring a priori ?xed knowledge of the relationships between process parameters.



فهرست مطالب

Front Matter....Pages -
Deep Bottleneck Classifiers in Supervised Dimension Reduction....Pages 1-10
Local Modeling Classifier for Microarray Gene-Expression Data....Pages 11-20
Learning of Lateral Connections for Representational Invariant Recognition....Pages 21-30
Computational Properties of Probabilistic Neural Networks....Pages 31-40
Local Minima of a Quadratic Binary Functional with a Quasi-Hebbian Connection Matrix....Pages 41-51
A Learned Saliency Predictor for Dynamic Natural Scenes....Pages 52-61
Learning a Combination of Heterogeneous Dissimilarities from Incomplete Knowledge....Pages 62-71
A Bilinear Model for Consistent Topographic Representations....Pages 72-81
Accelerating Large-Scale Convolutional Neural Networks with Parallel Graphics Multiprocessors....Pages 82-91
Evaluation of Pooling Operations in Convolutional Architectures for Object Recognition....Pages 92-101
Visual Shape Recognition Neural Network Using BESOM Model....Pages 102-105
Comparing Feature Extraction Techniques and Classifiers in the Handwritten Letters Classification Problem....Pages 106-109
The Parameter Optimization of the Pulse Coupled Neural Network for the Pattern Recognition....Pages 110-113
The Use of Feed Forward Neural Network for Recognizing Characters of Dactyl Alphabet....Pages 114-117
Detecting DDoS Attack towards DNS Server Using a Neural Network Classifier....Pages 118-123
Classification Based on Multiple-Resolution Data View....Pages 124-129
Identification of the Head-and-Shoulders Technical Analysis Pattern with Neural Networks....Pages 130-136
Analyzing Classification Methods in Multi-label Tasks....Pages 137-142
Learning Bimanual Coordination Patterns for Rhythmic Movements....Pages 143-148
Classification of Voice Aging Using Parameters Extracted from the Glottal Signal....Pages 149-156
TopoART: A Topology Learning Hierarchical ART Network....Pages 157-167
Policy Gradients for Cryptanalysis....Pages 168-177
Linear Projection Method Based on Information Theoretic Learning....Pages 178-187
Continuous Visual Codebooks with a Limited Branching Tree Growing Neural Gas....Pages 188-197
An Efficient Collaborative Recommender System Based on k -Separability....Pages 198-207
Empirical Analysis of the Divergence of Gibbs Sampling Based Learning Algorithms for Restricted Boltzmann Machines....Pages 208-217
Multitask Semi–supervised Learning with Constraints and Constraint Exceptions....Pages 218-227
Tumble Tree – Reducing Complexity of the Growing Cells Approach....Pages 228-236
Sentence Extraction by Graph Neural Networks....Pages 237-246
Autonomous Generation of Internal Representations for Associative Learning....Pages 247-256
Improving Accuracy of LVQ Algorithm by Instance Weighting....Pages 257-266
Multifactor Expectation Maximization for Factor Graphs....Pages 267-276
Weighted Learning Vector Quantization to Cost-Sensitive Learning....Pages 277-281
Solution Space of Perceptron....Pages 282-285
Natural Language Processing Neural Network for Recall and Inference....Pages 286-289
Nominally Conditioned Linear Regression....Pages 290-293
A Novel Continuous Dual Mode Neural Network in Stereo-Matching Process....Pages 294-297
Learning Invariant Visual Shape Representations from Physics....Pages 298-302
Algorithms Creating Algorithms....Pages 303-308
Assessing Statistical Reliability of LiNGAM via Multiscale Bootstrap....Pages 309-314
Learning with Convex Constraints....Pages 315-320
Theoretical Analysis of Cross-Validation(CV)-EM Algorithm....Pages 321-326
Application of BSP-Based Computational Cost Model to Predict Parallelization Efficiency of MLP Training Algorithm....Pages 327-332
Dynamic Shape Learning and Forgetting....Pages 333-338
On-Line Ensemble-Teacher Learning through a Perceptron Rule with a Margin....Pages 339-344
Model of the Hippocampal Learning of Spatio-temporal Sequences....Pages 345-351
Adding Nonlinear System Dynamics to Levenberg-Marquardt Algorithm for Neural Network Control....Pages 352-357
Some Comparisons of Model Complexity in Linear and Neural-Network Approximation....Pages 358-367
A Funny Proverb Generation System Based on Sukashi ....Pages 368-377
Supervised Neural Fuzzy Schemes in Video Transmission over Bluetooth....Pages 378-386
A Graph Based Framework for Clustering and Characterization of SOM....Pages 387-396
Clustering Using Elements of Information Theory....Pages 397-406
A Path Planning Method for Human Tracking Agents Using Variable-Term Prediction....Pages 407-410
Three-Layer Feedforward Structures Smoothly Approximating Polynomial Functions....Pages 411-416
Neural Networks Training for Weapon Selection in First-Person Shooter Games....Pages 417-422
Efficient Confidence Bounds for RBF Networks for Sparse and High Dimensional Data....Pages 423-428
Large Scale Problem Solving with Neural Networks: The Netflix Prize Case....Pages 429-434
A Cooperative and Penalized Competitive Learning Approach to Gaussian Mixture Clustering....Pages 435-440
A Inference Mechanism for Polymer Processing Using Rough-Neuro Fuzzy Network....Pages 441-450
Data Mining Methods for Quality Assurance in an Environmental Monitoring Network....Pages 451-456
Predicting QoL Parameters for the Atmospheric Environment in Athens, Greece....Pages 457-463
Investigating Pollen Data with the Aid of Fuzzy Methods....Pages 464-470
A New Neural Model for Traffic Simulation....Pages 471-476
System Architecture for a Smart University Building....Pages 477-482
Monitoring and Assessment of Environmental Impact by Persistent Organic Pollutants....Pages 483-488
A Feature Selection Method for Air Quality Forecasting....Pages 489-494
How Do Attention, Intention, and Consciousness Interact?....Pages 495-495
Consciousness versus Attention....Pages 496-503
On the Fringe of Awareness: The Glance-Look Model of Attention-Emotion Interactions....Pages 504-509
No Stopping and No Slowing: Removing Visual Attention with No Effect on Reversals of Phenomenal Appearance....Pages 510-515
Modelling Neurotic Psychopathology: Memory, Attention and Symbolization....Pages 516-520
How to Use the SOINN Software: User’s Guide (Version 1.0)....Pages 521-527
Unguided Robot Navigation Using Continuous Action Space....Pages 528-534
Self-Organizing Incremental Neural Network and Its Application....Pages 535-540
Machine Learning Approaches for Time-Series Data Based on Self-Organizing Incremental Neural Network....Pages 541-550
Online Knowledge Acquisition and General Problem Solving in a Real World by Humanoid Robots....Pages 551-556
Incremental Learning Using Self-Organizing Neural Grove....Pages 557-562
Fast and Incremental Attribute Transferring and Classifying System for Detecting Unseen Object Classes....Pages 563-568
Back Matter....Pages -




نظرات کاربران