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: 1 نویسندگان: Monica Bianchini, Marco Maggini (auth.), Monica Bianchini, Marco Maggini, Franco Scarselli, Lakhmi C. Jain (eds.) سری: Studies in Computational Intelligence 247 ISBN (شابک) : 9783642040023, 9783642040030 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2009 تعداد صفحات: 296 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب نوآوری در پارادایم ها و کاربردهای اطلاعات عصبی: کاربردی ریاضیات/روش های محاسباتی مهندسی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Innovations in Neural Information Paradigms 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 نوآوری در پارادایم ها و کاربردهای 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 تحقیقاتی برخی از جدیدترین پیشرفتها را در مدلهای پردازش اطلاعات عصبی از جمله مفاهیم نظری و کاربردهای عملی ارائه میکند. مشارکتها عبارتند از:
این کتاب برای محققان، دانشجویان فارغ التحصیل، اساتید و متخصصان علاقه مند به پیشرفت های اخیر در پارادایم ها و کاربردهای پردازش اطلاعات عصبی است.
This research book presents some of the most recent advances in neural information processing models including both theoretical concepts and practical applications. The contributions include:
This book is directed to the researchers, graduate students, professors and practitioner interested in recent advances in neural information processing paradigms and applications.
Front Matter....Pages -
Advances in Neural Information Processing Paradigms....Pages 1-7
Self-Organizing Maps for Structured Domains: Theory, Models, and Learning of Kernels....Pages 9-42
Unsupervised and Supervised Learning of Graph Domains....Pages 43-65
Neural Grammar Networks....Pages 67-96
Estimates of Model Complexity in Neural-Network Learning....Pages 97-111
Regularization and Suboptimal Solutions in Learning from Data....Pages 113-154
Probabilistic Interpretation of Neural Networks for the Classification of Vectors, Sequences and Graphs....Pages 155-182
Metric Learning for Prototype-Based Classification....Pages 183-199
Bayesian Linear Combination of Neural Networks....Pages 201-230
Credit Card Transactions, Fraud Detection, and Machine Learning: Modelling Time with LSTM Recurrent Neural Networks....Pages 231-268
Towards Computational Modelling of Neural Multimodal Integration Based on the Superior Colliculus Concept....Pages 269-291
Back Matter....Pages -