ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 Kohonen maps

دانلود کتاب نقشه های کوهونن

Kohonen maps

مشخصات کتاب

Kohonen maps

ویرایش: 1st ed 
نویسندگان: ,   
سری:  
ISBN (شابک) : 044450270X, 0080535291 
ناشر: Elsevier 
سال نشر: 1999 
تعداد صفحات: 401 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 21 مگابایت 

قیمت کتاب (تومان) : 28,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 11


در صورت تبدیل فایل کتاب Kohonen maps 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 نقشه های کوهونن 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 نقشه های کوهونن

نقشه خودسازماندهی یا نقشه کوهونن یکی از پرکاربردترین الگوریتم‌های شبکه عصبی است که هزاران برنامه کاربردی در ادبیات آن پوشش داده شده است. این یکی از عوامل اساسی قوی در محبوبیت شبکه های عصبی از اوایل دهه 80 بود. در حال حاضر این روش در تعداد زیادی از بسته های نرم افزاری تجاری و عمومی گنجانده شده است. در این کتاب، کارشناسان برتر روش SOM نگاهی به وضعیت هنر و آینده این پارادایم محاسباتی انداخته اند.


30 فصل این کتاب وضعیت فعلی نظریه SOM، مانند اتصالات را پوشش می دهد. از SOM به خوشه بندی، طبقه بندی، مدل های احتمالی، و توابع انرژی. بسیاری از کاربردهای SOM داده شده است، با داده کاوی و تجزیه و تحلیل داده های اکتشافی موضوع اصلی است که در پایگاه داده های بزرگ داده های مالی، داده های پزشکی، اسناد متنی فرم آزاد، تصاویر دیجیتال، گفتار و اندازه گیری های فرآیند اعمال می شود. مدل های بیولوژیکی مربوط به SOM نیز مورد بحث قرار گرفته است.


توضیحاتی درمورد کتاب به خارجی

The Self-Organizing Map, or Kohonen Map, is one of the most widely used neural network algorithms, with thousands of applications covered in the literature. It was one of the strong underlying factors in the popularity of neural networks starting in the early 80's. Currently this method has been included in a large number of commercial and public domain software packages. In this book, top experts on the SOM method take a look at the state of the art and the future of this computing paradigm.


The 30 chapters of this book cover the current status of SOM theory, such as connections of SOM to clustering, classification, probabilistic models, and energy functions. Many applications of the SOM are given, with data mining and exploratory data analysis the central topic, applied to large databases of financial data, medical data, free-form text documents, digital images, speech, and process measurements. Biological models related to the SOM are also discussed.



فهرست مطالب

Content: <
IT>
Selected papers only.<
/IT>
Preface: Kohonen Maps. Table of contents. Analyzing and representing multidimentional quantitative and qualitative data: Demographic study of the Rh̥ne valley. The domeatic consumption of the Canadian families. (M. Cottrell, P. Gaubert, P. Letremy, P. Rousset). Value maps: Finding value in markets that are expensive (G.J. Deboeck). Data mining and knowledge discovery with emergent Self-Organizing Feature Maps for multivariate time series (A. Ultsch). Tree structured Self-Organizing Maps (P. Koikkalainen). On the optimization of Self-Organizing Maps by genetic algorithms (D. Polani). Self organization of a massive text document collection (T. Kohonen, S. Kaski, K. Lagus, J. Saloj̀rvi, J. Honkela, V. Paatero, A. Saarela). Document classification with Self-Organizing Maps (D. Merkl). Navigation in databases using Self-Organizing Maps (S.A. Shumsky). Self-Organising Maps in computer aided design of electronic circuits (A. Hemani, A. Postula). Modeling self-organization in the visual cortex (R. Miikkulainen, J.A. Bednar, Y. Choe, J. Sirosh). A spatio-temporal memory based on SOMs with activity diffusion (N.R. Euliano, J.C. Principe). Advances in modeling cortical maps (P.G. Morasso, V. Sanguineti, F. Frisone). Topology preservation in Self-Organizing Maps (T. Villmann). Second-order learing in Self-Organizing Maps (R. Der, M. Herrmann). Energy functions for Self-Organizing Maps (T. Heskes). LVQ and single trial EEG classification (G. Pfurtscheller, M. Pregenzer). Self-Organizing Map in categorization of voice qualities (L. Leinonen). Self-Organizing Map in analysis of large-scale industrial systems (O. Simula, J. Ahola, E. Alhoniemi, J. Himberg, J. Vesanto). Keyword index.




نظرات کاربران