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
دسته بندی: ریاضیات ویرایش: نویسندگان: Martin Anthony سری: Monographs on Discrete Mathematics and Applications ISBN (شابک) : 9780898714807, 089871480X ناشر: Society for Industrial Mathematics سال نشر: 1987 تعداد صفحات: 143 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 902 کیلوبایت
در صورت تبدیل فایل کتاب Discrete mathematics of neural networks: selected topics 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 ریاضیات گسسته شبکه های عصبی: مباحث انتخاب شده 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 مختصر و خواندنی نمونهای از زمینه بسیار بزرگ، فعال و در حال گسترش نظریه شبکههای عصبی مصنوعی را ارائه میدهد. این حوزههای انتخابی از ریاضیات گسسته را در نظر میگیرد که ترکیبیات و نظریه سادهترین انواع شبکههای عصبی مصنوعی را به هم پیوند میدهند. شبکههای عصبی بهعنوان یک فناوری کلیدی در بسیاری از زمینههای کاربردی پدیدار شدهاند، و درک نظریههای مربوط به آنچه که چنین سیستمهایی میتوانند و نمیتوانند انجام دهند ضروری است.
نویسنده ارتباطات جالبی را بین انواع خاصی از توابع بولی و ساده ترین انواع شبکه های عصبی مورد بحث قرار می دهد. برخی از نتایج کلاسیک با شواهد قابل دسترس همراه با برخی دیدگاههای جدیدتر، مانند آنهایی که با در نظر گرفتن فهرستهای تصمیم به دست آمدهاند، ارائه میشوند. علاوه بر این، مدلهای احتمالی یادگیری شبکههای عصبی مورد بحث قرار میگیرند. تئوری گراف، برخی از نظریه مجموعه های تا حدی منظم، پیچیدگی محاسباتی، و احتمال گسسته از جمله موضوعات ریاضی هستند. اشاره به مطالعه بیشتر و کتابشناسی گسترده این کتاب را به نقطه شروع خوبی برای تحقیق در ریاضیات گسسته و شبکه های عصبی تبدیل کرده است.
This concise, readable book provides a sampling of the very large, active, and expanding field of artificial neural network theory. It considers select areas of discrete mathematics linking combinatorics and the theory of the simplest types of artificial neural networks. Neural networks have emerged as a key technology in many fields of application, and an understanding of the theories concerning what such systems can and cannot do is essential.
The author discusses interesting connections between special types of Boolean functions and the simplest types of neural networks. Some classical results are presented with accessible proofs, together with some more recent perspectives, such as those obtained by considering decision lists. In addition, probabilistic models of neural network learning are discussed. Graph theory, some partially ordered set theory, computational complexity, and discrete probability are among the mathematical topics involved. Pointers to further reading and an extensive bibliography make this book a good starting point for research in discrete mathematics and neural networks.