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: ژنتیک ویرایش: 1 نویسندگان: P. J. Braspenning (auth.), P. J. Braspenning, F. Thuijsman, A. J. M. M. Weijters (eds.) سری: Lecture Notes in Computer Science 931 ISBN (شابک) : 3540594884, 9783540594888 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 1995 تعداد صفحات: 295 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب شبکه های عصبی مصنوعی: مقدمه ای بر تئوری و عملکرد ANN: هوش مصنوعی (شامل رباتیک)، محاسبات با دستگاه های انتزاعی، تحلیل عددی، تشخیص الگو، ترکیبیات، نظریه سیستم ها، کنترل
در صورت تبدیل فایل کتاب Artificial Neural Networks: An Introduction to ANN Theory and Practice 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: مقدمه ای بر تئوری و عملکرد ANN 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 نسخههای اصلاحشده دقیق سخنرانیهای آموزشی ارائهشده
در مدرسه شبکههای عصبی مصنوعی برای دنیای صنعتی که در دانشگاه
لیمبورگ در ماستریخت بلژیک برگزار شد، ارائه میکند.
معماریهای ANN اصلی برای نشان دادن امکانات قدرتمندشان برای
تجزیه و تحلیل داده های تجربی، به ویژه در شرایطی که به نظر می
رسد روش های دیگر شکست می خورند. بینش نظری با بررسی اصول ریاضی
اساسی به روشی دقیق و در عین حال روشن و روشن ارائه می شود.
تجربه عملی با بحث در مورد چندین برنامه کاربردی دنیای واقعی در
زمینه هایی مانند کنترل، بهینه سازی، تشخیص الگو، مهندسی نرم
افزار، رباتیک، تحقیق در عملیات و CAM ارائه می شود.
This book presents carefully revised versions of tutorial
lectures given during a School on Artificial Neural Networks
for the industrial world held at the University of Limburg in
Maastricht, Belgium.
The major ANN architectures are discussed to show their
powerful possibilities for empirical data analysis,
particularly in situations where other methods seem to fail.
Theoretical insight is offered by examining the underlying
mathematical principles in a detailed, yet clear and
illuminating way. Practical experience is provided by
discussing several real-world applications in such areas as
control, optimization, pattern recognition, software
engineering, robotics, operations research, and CAM.
Introduction: Neural networks as associative devices....Pages 1-9
Backpropagation networks for Grapheme-Phoneme conversion: A non-technical introduction....Pages 11-36
Back Propagation....Pages 37-66
Perceptrons....Pages 67-81
Kohonen network....Pages 83-100
Adaptive Resonance Theory....Pages 101-117
Boltzmann Machines....Pages 119-129
Representation issues in Boltzmann machines....Pages 131-144
Optimisation networks....Pages 145-156
Local search in combinatorial optimization....Pages 157-174
Process identification and control....Pages 175-204
Learning controllers using neural networks....Pages 205-233
Key issues for successful industrial neural-network applications: An application in geology....Pages 235-245
Neural cognodynamics....Pages 247-271
Choosing and using a neural net....Pages 273-287