برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب FPGA Implementations of Neural Networks

دانلود کتاب اجرای FPGA شبکه های عصبی

مشخصات کتاب

FPGA Implementations of Neural Networks

دسته بندی: شبکه سازی
ویرایش: 1 
نویسندگان: Amos R. Omondi,  Jagath C. Rajapakse  
سری:  
ISBN (شابک) : 9780387284859, 9780387284873 
ناشر: Springer 
سال نشر: 2006 
تعداد صفحات: 365 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت

قیمت کتاب (تومان) : 32,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 14

در صورت تبدیل فایل کتاب FPGA Implementations of Neural Networks 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 اجرای FPGA شبکه های عصبی 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.

توضیحاتی در مورد کتاب اجرای FPGA شبکه های عصبی

توسعه شبکه‌های عصبی اکنون به مرحله‌ای رسیده است که در زمینه‌های عملی بسیار متنوعی به کار گرفته می‌شوند. با این حال، تا به امروز اکثر این پیاده سازی ها در نرم افزار بوده است. در حالی که به طور کلی تشخیص داده شده است که پیاده سازی های سخت افزاری می توانند، از طریق مزایای عملکرد، استفاده از شبکه های عصبی را تا حد زیادی افزایش دهند، تا به امروز، هزینه نسبتاً بالای توسعه مدارهای مجتمع خاص برنامه (ASIC) به این معنی است که تنها تعداد کمی از کامپیوترهای عصبی سخت افزاری از بین رفته اند. فراتر از مرحله تحقیق-نمونه اولیه. وضعیت اکنون به طور چشمگیری تغییر کرده است: با ظهور مدارهای بزرگ، متراکم و بسیار موازی FPGA، اکنون می توان تصور کرد که شبکه های عصبی در مقیاس بزرگ را در سخت افزار قرار دهیم تا کارایی بالا با هزینه کم داشته باشیم. این به نوبه خود توسعه دستگاه‌های محاسبات عصبی سخت‌افزاری را برای طیف گسترده‌ای از کاربردها، از دستگاه‌های تعبیه‌شده در وسایل الکترونیکی مصرفی با حجم بالا/کم هزینه تا رایانه‌های عصبی مستقل در مقیاس بزرگ، عملی می‌کند. بنابراین، جای تعجب نیست که تحقیقات در این منطقه اخیراً به سرعت افزایش یافته است، و حتی می توان رشد شدیدتری را در دهه آینده یا بیشتر انتظار داشت. بیشتر مجموعه دانش موجود بر اساس ASICها (که به اندازه FPGAها محدود نیستند) است. این چالش‌ها از انتخاب نمایش داده‌ها، اجرای توابع تخصصی، تا تحقق شبکه‌های عصبی موازی گسترده را شامل می‌شود. و همراه با اینها موضوعات ثانویه مهمی مانند ابزارهای توسعه و انتقال فناوری هستند. همه این مسائل در حال حاضر توسط تعداد زیادی از محققین که از مبانی مختلف شروع می‌کنند و با روش‌های متفاوتی پیش می‌روند، بررسی می‌شوند، به‌گونه‌ای که هیچ دانش هسته‌ای سیستماتیک برای شروع، ارزیابی جایگزین‌ها، تأیید ادعاها و غیره وجود ندارد. اجرای شبکه‌های عصبی FPGA به‌موقع انجام می‌شود که این شکاف را از سه طریق پر می‌کند: اول، حاوی مطالب بنیادی مناسب است و بنابراین برای دانشجویان پیشرفته یا محققین تازه وارد در این زمینه مناسب است. ثانیاً، وضعیت هنر را در عمق و وسعت به تصویر می‌کشد و بنابراین می‌تواند محققین مفیدی باشد که در حال حاضر در این زمینه فعال هستند. سوم، دستورالعمل‌هایی را برای تحقیقات آینده، یعنی مناطق جنینی و همچنین موارد گمانه‌زنی بیشتر، پوشش می‌دهد.

توضیحاتی درمورد کتاب به خارجی

The development of neural networks has now reached the stage where they are employed in a large variety of practical contexts. However, to date the majority of such implementations have been in software. While it is generally recognised that hardware implementations could, through performance advantages, greatly increase the use of neural networks, to date the relatively high cost of developing Application-Specific Integrated Circuits (ASICs) has meant that only a small number of hardware neurocomputers has gone beyond the research-prototype stage. The situation has now changed dramatically: with the appearance of large, dense, highly parallel FPGA circuits it has now become possible to envisage putting large-scale neural networks in hardware, to get high performance at low costs. This in turn makes it practical to develop hardware neural-computing devices for a wide range of applications, ranging from embedded devices in high-volume/low-cost consumer electronics to large-scale stand-alone neurocomputers. Not surprisingly, therefore, research in the area has recently rapidly increased, and even sharper growth can be expected in the next decade or so.

Nevertheless, the many opportunities offered by FPGAs also come with many challenges, since most of the existing body of knowledge is based on ASICs (which are not as constrained as FPGAs). These challenges range from the choice of data representation, to the implementation of specialized functions, through to the realization of massively parallel neural networks; and accompanying these are important secondary issues, such as development tools and technology transfer. All these issues are currently being investigated by a large number of researchers, who start from different bases and proceed by different methods, in such a way that there is no systematic core knowledge to start from, evaluate alternatives, validate claims, and so forth. FPGA Implementations of Neural Networks aims to be a timely one that fill this gap in three ways: First, it will contain appropriate foundational material and therefore be appropriate for advanced students or researchers new to the field. Second, it will capture the state of the art, in both depth and breadth and therefore be useful researchers currently active in the field. Third, it will cover directions for future research, i.e. embryonic areas as well as more speculative ones.