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: نویسندگان: Valluru B. Rao, Hayagriva Rao سری: ISBN (شابک) : 9781558515529 ناشر: MTBooks, IDG Books Worldwide, Inc. سال نشر: 1995 تعداد صفحات: 455 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب C++ Neural Networks and Fuzzy Logic 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 و منطق فازی 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.
در این کتاب، هدف ما معرفی موضوع شبکه های عصبی به صورت مستقیم و
ساده برای درک آسان روش شناسی است. بیشتر معماریهای مهم شبکههای
عصبی پوشش داده شدهاند، و ما صمیمانه امیدواریم که تلاشهای ما
در ارائه این موضوع به شکلی واضح و مفید موفق بوده باشد.
تعداد مدلهای موجود در ادبیات شبکههای عصبی بسیار زیاد است.
اغلب درمان
ریاضی و پیچیده است. این کتاب مثالهای گویا را در C++ ارائه
میکند که خواننده میتواند به عنوان مبنایی
برای آزمایشهای بیشتر استفاده کند. کلید یادگیری در مورد شبکه
های عصبی برای درک عملکرد درونی آنها، آزمایش کردن است. در نهایت،
یادگیری و کشف شبکه های عصبی سرگرم کننده است. اگرچه زبان
توضیح استفاده شده C++ است، اما کتابخانه های کلاس گسترده ای را
در این کتاب پیدا نمی کنید. به استثنای
شبیهساز انتشار پسزمینه، برنامههای نمونه نسبتاً سادهای برای
بسیاری از معماریها و پارادایمهای شبکههای عصبی مختلف پیدا
خواهید کرد. از آنجایی که پس انتشار به طور گسترده ای مورد
استفاده قرار می گیرد و همچنین به راحتی قابل رام کردن است، یک
شبیه ساز
با ظرفیت مدیریت مجموعه داده های ورودی بزرگ ارائه شده است. شما
از شبیه ساز در یکی از فصل های این
کتاب برای حل یک مشکل پیش بینی مالی استفاده می کنید. فضای کافی
برای گسترش و آزمایش با
کد ارائه شده در این کتاب پیدا خواهید کرد.
In this book, we aim to introduce the subject of neural
networks as directly and simply as possible for an easy
understanding of the methodology. Most of the important neural
network architectures are covered, and we
earnestly hope that our efforts have succeeded in presenting
this subject matter in a clear and useful fashion.
The number of models available in neural network literature is
quite large. Very often the treatment is
mathematical and complex. This book provides illustrative
examples in C++ that the reader can use as a basis
for further experimentation. A key to learning about neural
networks to appreciate their inner workings is to
experiment. Neural networks, in the end, are fun to learn about
and discover. Although the language for
description used is C++, you will not find extensive class
libraries in this book. With the exception of the
backpropagation simulator, you will find fairly simple example
programs for many different neural network
architectures and paradigms. Since backpropagation is widely
used and also easy to tame, a simulator is
provided with the capacity to handle large input data sets. You
use the simulator in one of the chapters in this
book to solve a financial forecasting problem. You will find
ample room to expand and experiment with the
code presented in this book.