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: Van Hulle M.M.
سری:
ISBN (شابک) : 0471345075, 9780471345077
ناشر: Wiley
سال نشر: 2000
تعداد صفحات: 0
زبان: English
فرمت فایل : CHM (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Faithful Representations and Topographic Maps: From Distortion- to Information-Based Self-Organization 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 بازنمایی های وفادار و نقشه های توپوگرافی: از تحریف تا خودسازماندهی مبتنی بر اطلاعات 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.
دیدگاهی جدید در مورد تشکیل نقشه توپوگرافی و مزایای یادگیری مبتنی بر اطلاعات مطالعه تشکیل نقشه توپوگرافی ابزارهای مهمی را برای مدلسازی بیولوژیکی و مدلسازی دادههای آماری در اختیار ما قرار میدهد. Faithful Representations and Topographic Maps یک بررسی سیستماتیک و یکپارچه از این میدان به سرعت در حال تحول را ارائه می دهد که بر دانش فعلی و تکنیک های موجود برای تشکیل نقشه توپوگرافی تمرکز دارد. نویسنده یک استراتژی یادگیری مبتنی بر اطلاعات پیشرو برای توسعه نقشههای توپوگرافی هماحتمالی ارائه میکند - یعنی نقشههایی که در آنها همه نورونها احتمال یکسانی برای فعال بودن دارند - به وضوح نشان میدهد که چگونه این رویکرد بازنماییهای وفادار به دست میدهد و چگونه میتوان آن را با موفقیت به کار برد. در زمینه هایی مانند تخمین چگالی، رگرسیون، خوشه بندی و استخراج ویژگی. این کتاب با رویکرد استاندارد یادگیری مبتنی بر اعوجاج آغاز میشود و در مورد الگوریتم نقشه خود سازماندهی (SOM) و سایر الگوریتمها بحث میکند و به ناکافی بودن آنها برای توسعه نقشههای هماحتمال اشاره میکند. سپس مزایای تکنیکهای یادگیری مبتنی بر اطلاعات را بررسی میکند و در نهایت یک الگوریتم جدید برای تشکیل نقشه توپوگرافی معادل احتمالات با استفاده از نورونها با ویژگیهای پاسخ مبتنی بر هسته معرفی میکند. الگوریتمهای یادگیری کامل و جزئیات شبیهسازی به همراه جداول تحلیل عملکرد مقایسهای و منابع گسترده ارائه شدهاند. نمایشهای وفادار و نقشههای توپوگرافی یک راهنمای عالی و چشمگشا برای محققان شبکههای عصبی، دانشمندان صنعتی درگیر در دادهکاوی، و هر کسی که علاقهمند به خودسازماندهی و نقشههای توپوگرافی است.
A new perspective on topographic map formation and the advantages of information-based learning The study of topographic map formation provides us with important tools for both biological modeling and statistical data modeling. Faithful Representations and Topographic Maps offers a unified, systematic survey of this rapidly evolving field, focusing on current knowledge and available techniques for topographic map formation. The author presents a cutting-edge, information-based learning strategy for developing equiprobabilistic topographic maps—that is, maps in which all neurons have an equal probability to be active—clearly demonstrating how this approach yields faithful representations and how it can be successfully applied in such areas as density estimation, regression, clustering, and feature extraction. The book begins with the standard approach of distortion-based learning, discussing the commonly used Self-Organizing Map (SOM) algorithm and other algorithms, and pointing out their inadequacy for developing equiprobabilistic maps. It then examines the advantages of information-based learning techniques, and finally introduces a new algorithm for equiprobabilistic topographic map formation using neurons with kernel-based response characteristics. The complete learning algorithms and simulation details are given throughout, along with comparative performance analysis tables and extensive references. Faithful Representations and Topographic Maps is an excellent, eye-opening guide for neural network researchers, industrial scientists involved in data mining, and anyone interested in self-organization and topographic maps.