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. 2023
نویسندگان: George A. Anastassiou
سری:
ISBN (شابک) : 3031163990, 9783031163999
ناشر: Springer
سال نشر: 2022
تعداد صفحات: 430
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Banach Space Valued Neural Network: Ordinary and Fractional Approximation and Interpolation (Studies in Computational Intelligence, 1062) 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 عصبی با ارزش فضایی Banach: تقریب و درون یابی معمولی و کسری (مطالعات در هوش محاسباتی، 1062) 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.
Preface Contents 1 Algebraic Function Induced Banach Space Valued Ordinary and Fractional Neural Network Approximations 1.1 Introduction 1.2 Basics 1.3 Main Results References 2 Gudermannian Function Induced Banach Space Valued Ordinary and Fractional Neural Network Approximations 2.1 Introduction 2.2 Basics 2.3 Main Results References 3 Generalized Symmetrical Sigmoid Function Induced Banach Space Valued Ordinary and Fractional Neural Network Approximations 3.1 Introduction 3.2 Auxiliary Results 3.3 Main Results References 4 Abstract Multivariate Algebraic Function Induced Neural Network Approximations 4.1 Introduction 4.2 Basic 4.3 Multivariate General Neural Network Approximations References 5 General Multivariate Arctangent Function Induced Neural Network Approximations 5.1 Introduction 5.2 Auxiliary Notions 5.3 Multivariate General Neural Network Approximations References 6 Abstract Multivariate Gudermannian Function Induced Neural Network Approximations 6.1 Introduction 6.2 Background 6.3 Multivariate General Neural Network Approximations References 7 Generalized Symmetrical Sigmoid Function Induced Neural Network Multivariate Approximation 7.1 Introduction 7.2 Auxiliary Results (See Also ch77.14) 7.3 Multivariate General Neural Network Approximations References 8 Quantitative Approximation by Kantorovich-Choquet Quasi-Interpolation Neural Network Operators Revisited 8.1 Introduction 8.2 Background 8.2.1 About the Arctangent Activation Function 8.2.2 About the Algebraic Activation Function 8.2.3 About the Gudermannian Activation Function 8.2.4 About the Generalized Symmetrical Activation Function 8.3 Main Results References 9 Quantitative Approximation by Kantorovich-Shilkret Quasi-interpolation Neural Network Operators Revisited 9.1 Introduction 9.2 Background 9.2.1 About the Arctangent Activation Function 9.2.2 About the Algebraic Activation Function 9.2.3 About the Gudermannian Activation Function 9.2.4 About the Generalized Symmetrical Activation Function 9.3 Main Results References 10 Voronouskaya Univariate and Multivariate Asymptotic Expansions for Sigmoid Functions Induced Quasi-interpolation Neural Network Operators Revisited 10.1 Background 10.1.1 About the Arctangent Activation Function 10.1.2 About the Algebraic Activation Function 10.1.3 About the Gudermannian Activation Function 10.1.4 About the Generalized Symmetrical Activation Function 10.2 Main Results References 11 Univariate Fuzzy Fractional Various Sigmoid Function Activated Neural Network Approximations Revisited 11.1 Introduction 11.2 Fuzzy Fractional Mathematical Analysis Basics 11.3 Real Neural Network Approximation 11.3.1 About the Arctangent Activation Function Neural Networks 11.3.2 About the Algebraic Activation Function Neural Networks 11.3.3 About the Gudermannian Activation Function Neural Networks 11.3.4 About the Generalized Symmetrical Activation Function Neural Networks 11.4 Main Results: Approximation by Fuzzy Quasi-interpolation Neural … References 12 Multivariate Fuzzy Approximation by Neural Network Operators Induced by Several Sigmoid Functions Revisited 12.1 Introduction 12.2 Fuzzy Real Analysis Background 12.3 About Neural Networks Background 12.3.1 About the Arctangent Activation Function 12.3.2 About the Algebraic Activation Function 12.3.3 About the Gudermannian Activation Function 12.3.4 About the Generalized Symmetrical Activation Function 12.4 Main Results: Fuzzy Multivariate Neural Network Approximation Based … References 13 Multivariate Fuzzy-Random and Stochastic Various Activation Functions Activated Neural Network Approximations 13.1 Fuzzy-Random Functions and Stochastic Processes Background 13.2 About Neural Networks Background 13.2.1 About the Arctangent Activation Function 13.2.2 About the Algebraic Activation Function 13.2.3 About the Gudermannian Activation Function 13.2.4 About the Generalized Symmetrical Activation Function 13.3 Main Results References Appendix Conclusion