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: Monica Bianchini, Marco Maggini, Lakhmi C. Jain سری: ISBN (شابک) : 9783642366574 ناشر: Springer سال نشر: 2013 تعداد صفحات: 533 زبان: english فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Handbook on Neural Information Processing 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 کتابچه راهنمای پردازش اطلاعات 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.
این کتاب راهنما برخی از جدیدترین موضوعات در پردازش اطلاعات عصبی را ارائه می دهد که هم مفاهیم نظری و هم کاربردهای عملی را پوشش می دهد. مشارکتها عبارتند از: معماریهای عمیق شبکههای عصبی بازگشتی، بازگشتی و نموداری شبکههای عصبی سلولی شبکههای بیزی قابلیتهای تقریبی شبکههای عصبی یادگیری نیمه نظارتی یادگیری رابطهای آماری روشهای هسته برای دادههای ساختاریافته سیستمهای طبقهبندیکننده چندگانه خود سازماندهی و یادگیری مودال کاربردها در تصویر مبتنی بر محتوا بازیابی، متن کاوی در مجموعههای اسناد بزرگ، و بیوانفورماتیک این کتاب بهویژه برای دانشجویان فارغالتحصیل، محققان و شاغلین در نظر گرفته میشود که مایلند دانش خود را در مورد مدلهای پیوندگرای پیشرفتهتر و پارادایمهای یادگیری مرتبط تعمیق بخشند.
This handbook presents some of the most recent topics in neural information processing, covering both theoretical concepts and practical applications. The contributions include: Deep architectures Recurrent, recursive, and graph neural networks Cellular neural networks Bayesian networks Approximation capabilities of neural networks Semi-supervised learning Statistical relational learning Kernel methods for structured data Multiple classifier systems Self organisation and modal learning Applications to content-based image retrieval, text mining in large document collections, and bioinformatics This book is thought particularly for graduate students, researchers and practitioners, willing to deepen their knowledge on more advanced connectionist models and related learning paradigms.
Front Matter....Pages 1-18
Deep Learning of Representations....Pages 1-28
Recurrent Neural Networks....Pages 29-65
Supervised Neural Network Models for Processing Graphs....Pages 67-96
Topics on Cellular Neural Networks....Pages 97-141
Approximating Multivariable Functions by Feedforward Neural Nets....Pages 143-181
Bochner Integrals and Neural Networks....Pages 183-214
Semi-supervised Learning....Pages 215-239
Statistical Relational Learning....Pages 241-281
Kernel Methods for Structured Data....Pages 283-333
Multiple Classifier Systems: Theory, Applications and Tools....Pages 335-378
Self Organisation and Modal Learning: Algorithms and Applications....Pages 379-400
Bayesian Networks, Introduction and Practical Applications....Pages 401-431
Relevance Feedback in Content-Based Image Retrieval: A Survey....Pages 433-469
Learning Structural Representations of Text Documents in Large Document Collections....Pages 471-503
Neural Networks in Bioinformatics....Pages 505-525
Back Matter....Pages 527-537