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: Mong-Fong Horng (editor), Hsu-Yang Kung (editor), Chi-Hua Chen (editor), Feng-Jang Hwang (editor) سری: ISBN (شابک) : 3039288636, 9783039288632 ناشر: MDPI سال نشر: 2020 تعداد صفحات: 274 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 34 مگابایت
در صورت تبدیل فایل کتاب Deep Learning Applications with Practical Measured Results in Electronics Industries 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 کاربردهای یادگیری عمیق با نتایج اندازه گیری شده عملی در صنایع الکترونیک 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 14 مقاله از شماره ویژه الکترونیک را با عنوان "کاربردهای یادگیری عمیق با نتایج اندازه گیری شده عملی در صنایع الکترونیک" گردآوری می کند. موضوعات تحت پوشش در این شماره شامل چهار بخش اصلی است: (1) تجزیه و تحلیل اطلاعات محیطی و پیش بینی، (2) هواپیمای بدون سرنشین (UAV) و برنامه های ردیابی اشیا، (3) تکنیک های اندازه گیری و حذف نویز، و (4) سیستم های توصیه و سیستم های آموزشی. . این نویسندگان از تکنیک های یادگیری عمیق (مانند ResNet (شبکه باقیمانده عمیق)، Faster-RCNN (مناطق سریعتر با شبکه عصبی کانولوشنال)، LSTM (حافظه کوتاه مدت بلندمدت)، ConvLSTM (LSTM کانولوشنال)، GAN (شبکه متخاصم مولد) استفاده کردند و بهبود دادند. و غیره) برای تجزیه و تحلیل و حذف نویز داده های اندازه گیری شده در انواع برنامه ها و خدمات (به عنوان مثال، پیش بینی سرعت باد، پیش بینی کیفیت هوا، برنامه های کاربردی معدن زیرزمینی، عنوان صوتی عصبی و غیره). چندین آزمایش عملی انجام شد و نتایج نشان میدهد که عملکرد روشهای یادگیری عمیق ارائهشده در مقایسه با عملکرد روشهای یادگیری ماشین معمولی بهبود یافته است.
This book collects 14 articles from the Special Issue entitled “Deep Learning Applications with Practical Measured Results in Electronics Industries” of Electronics. Topics covered in this Issue include four main parts: (1) environmental information analyses and predictions, (2) unmanned aerial vehicle (UAV) and object tracking applications, (3) measurement and denoising techniques, and (4) recommendation systems and education systems. These authors used and improved deep learning techniques (e.g., ResNet (deep residual network), Faster-RCNN (faster regions with convolutional neural network), LSTM (long short term memory), ConvLSTM (convolutional LSTM), GAN (generative adversarial network), etc.) to analyze and denoise measured data in a variety of applications and services (e.g., wind speed prediction, air quality prediction, underground mine applications, neural audio caption, etc.). Several practical experiments were conducted, and the results indicate that the performance of the presented deep learning methods is improved compared with the performance of conventional machine learning methods.