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: Xiang Zhang. Lina Yao
سری:
ISBN (شابک) : 1786349582, 9781786349583
ناشر: World Scientific
سال نشر: 2021
تعداد صفحات: 294
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 59 Mb
در صورت تبدیل فایل کتاب Deep Learning for EEG-based Brain-Computer Interfaces: Representations, Algorithms and Applications 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 یادگیری عمیق برای رابط های مغز و کامپیوتر مبتنی بر EEG: بازنمایی ها، الگوریتم ها و کاربردها 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.
یادگیری عمیق برای رابطهای مغز-کامپیوتر مبتنی بر EEG کتابی هیجانانگیز است که توضیح میدهد چگونه یادگیری عمیق در حال ظهور، توسعه آینده رابطهای مغز-رایانه (BCI) را از نظر نمایشها، الگوریتمها و کاربردها بهبود میبخشد. BCI با رمزگشایی سیگنالهای مغزی افراد به دستورات قابل تشخیص توسط دستگاههای رایانهای، دنیای عصبی بشر و دنیای فیزیکی را پل میکند. این کتاب خلاصهای بسیار جامع از سیگنالهای مغزی رایج را ارائه میکند. معرفی سیستماتیک حدود 12 زیرمجموعه از مدل های یادگیری عمیق. خلاصه ای از 200+ مطالعه پیشرفته که یادگیری عمیق در حوزه های BCI را اتخاذ می کنند. مروری بر تعدادی از برنامه های کاربردی BCI و نحوه کمک یادگیری عمیق، همراه با 31 مجموعه داده عمومی BCI. نویسندگان همچنین مجموعهای از الگوریتمهای یادگیری عمیق جدید را با هدف چالشهای فعلی BCI مانند یادگیری بازنمایی قوی، طبقهبندی سناریویی متقابل و یادگیری نیمه نظارت شده معرفی میکنند. برنامههای کاربردی BCI مبتنی بر یادگیری عمیق در دنیای واقعی مختلف پیشنهاد شدهاند و برخی از نمونههای اولیه ارائه شدهاند. کار موجود در داخل مدلهای مؤثر و کارآمدی را پیشنهاد میکند که الهامبخش افرادی در دانشگاه و صنعت است که روی BCI کار میکنند.
Deep Learning for EEG-Based Brain–Computer Interfaces is an exciting book that describes how emerging deep learning improves the future development of Brain–Computer Interfaces (BCI) in terms of representations, algorithms and applications. BCI bridges humanity's neural world and the physical world by decoding an individuals' brain signals into commands recognizable by computer devices. This book presents a highly comprehensive summary of commonly-used brain signals; a systematic introduction of around 12 subcategories of deep learning models; a mind-expanding summary of 200+ state-of-the-art studies adopting deep learning in BCI areas; an overview of a number of BCI applications and how deep learning contributes, along with 31 public BCI data sets. The authors also introduce a set of novel deep learning algorithms aimed at current BCI challenges such as robust representation learning, cross-scenario classification, and semi-supervised learning. Various real-world deep learning-based BCI applications are proposed and some prototypes are presented. The work contained within proposes effective and efficient models which will provide inspiration for people in academia and industry who work on BCI.