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 Banach Space Valued Neural Network: Ordinary and Fractional Approximation and Interpolation (Studies in Computational Intelligence, 1062)

دانلود کتاب شبکه عصبی با ارزش فضایی Banach: تقریب و درون یابی معمولی و کسری (مطالعات در هوش محاسباتی، 1062)

Banach Space Valued Neural Network: Ordinary and Fractional Approximation and Interpolation (Studies in Computational Intelligence, 1062)

مشخصات کتاب

Banach Space Valued Neural Network: Ordinary and Fractional Approximation and Interpolation (Studies in Computational Intelligence, 1062)

ویرایش: 1st ed. 2023 
نویسندگان:   
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 

قیمت کتاب (تومان) : 64,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 1


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.


توضیحاتی درمورد کتاب به خارجی



فهرست مطالب

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




نظرات کاربران