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: Vaishali Mehta, Dolly Sharma, Monika Mangla, Anita Gehlot, Rajesh Singh, Sergio Márquez Sánchez سری: ISBN (شابک) : 9815036076, 9789815036077 ناشر: Bentham Science Publishers سال نشر: 2022 تعداد صفحات: 228 [229] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Challenges and Opportunities for Deep Learning Applications in Industry 4.0 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 چالش ها و فرصت ها برای کاربردهای یادگیری عمیق در صنعت 4.0 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.
شایستگی یادگیری عمیق برای بخش اتوماسیون و تولید در زمان
های اخیر توجه شگفت انگیزی را به خود جلب کرده است. صنعت تولید
بهتازگی با وجود مشکلات متعدد، پیشرفتی انقلابی را تجربه کرده
است. یکی از محدودیتهای پیشرفت فنی، تنگناهایی است که به دلیل
افزایش بسیار زیاد حجم دادهها برای پردازش، شامل قالبها،
معناشناسی، کیفیتها و ویژگیهای مختلف با آن مواجه میشود.
یادگیری عمیق امکان شناسایی ویژگیهای معنیداری را میدهد که
انجام آنها با استفاده از روشهای سنتی دشوار است.
این کتاب خواننده را به سفری فنآوری در فضای صنعت 4.0 میبرد.
فصلها کاربردهای اخیر یادگیری عمیق و چالشها و فرصتهای مرتبط
با آن را برای خودکارسازی فرآیندهای صنعتی و برنامههای کاربردی
هوشمند نشان میدهند.
فصلها خواننده را با طیف وسیعی از موضوعات در یادگیری عمیق و
یادگیری ماشین آشنا میکنند. چندین تکنیک یادگیری عمیق که توسط
متخصصان صنعتی مورد استفاده قرار میگیرد شامل شبکههای پیشخور
عمیق، منظمسازی، الگوریتمهای بهینهسازی، شبکههای کانولوشنال،
مدلسازی توالی و روششناسی پروژه عملی میشود. خوانندگان
اطلاعاتی در مورد ارزش یادگیری عمیق در کاربردهایی مانند پردازش
زبان طبیعی، تشخیص گفتار، بینایی رایانه، سیستمهای توصیه آنلاین،
بیوانفورماتیک و بازیهای ویدیویی پیدا خواهند کرد.
این کتاب همچنین جهتهای تحقیقاتی آیندهنگر را مورد بحث قرار
میدهد که بر روی تئوری و کاربردهای عملی یادگیری عمیق در
اتوماسیون صنعتی بنابراین، این کتاب به عنوان یک راهنمای مرجع
جامع برای مشاوران صنعتی علاقه مند به صنعت 4.0 و به عنوان یک
کتاب راهنما برای مبتدیان علوم داده و دوره های پیشرفته علوم
کامپیوتر عمل می کند.
The competence of deep learning for the automation and
manufacturing sector has received astonishing attention in
recent times. The manufacturing industry has recently
experienced a revolutionary advancement despite several issues.
One of the limitations for technical progress is the bottleneck
encountered due to the enormous increase in data volume for
processing, comprising various formats, semantics, qualities
and features. Deep learning enables detection of meaningful
features that are difficult to perform using traditional
methods.
The book takes the reader on a technological voyage of the
industry 4.0 space. Chapters highlight recent applications of
deep learning and the associated challenges and opportunities
it presents for automating industrial processes and smart
applications.
Chapters introduce the reader to a broad range of topics in
deep learning and machine learning. Several deep learning
techniques used by industrial professionals are covered,
including deep feedforward networks, regularization,
optimization algorithms, convolutional networks, sequence
modeling, and practical project methodology. Readers will find
information on the value of deep learning in applications such
as natural language processing, speech recognition, computer
vision, online recommendation systems, bioinformatics, and
videogames.
The book also discusses prospective research directions that
focus on the theory and practical applications of deep learning
in industrial automation. Therefore, the book aims to serve as
a comprehensive reference guide for industrial consultants
interested in industry 4.0, and as a handbook for beginners in
data science and advanced computer science courses.