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: Kecman V.
سری: Complex Adaptive Systems
ISBN (شابک) : 0262112558, 1701751801
ناشر: MIT
سال نشر: 2001
تعداد صفحات: 568
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Learning and Soft Computing: Support Vector Machines, Neural Networks, and Fuzzy Logic Models 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 یادگیری و محاسبات نرم: ماشینهای برداری پشتیبانی، شبکههای عصبی و مدلهای منطق فازی 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 درسی مقدمه ای کامل در زمینه یادگیری از داده های تجربی و محاسبات نرم ارائه می دهد. ماشینهای بردار پشتیبان (SVM) و شبکههای عصبی (NN) ساختارها یا مدلهای ریاضی هستند که زیربنای یادگیری هستند، در حالی که سیستمهای منطق فازی (FLS) ما را قادر میسازند دانش ساختیافته انسانی را در الگوریتمهای قابل اجرا جاسازی کنیم. این کتاب فرض میکند که نه تنها مفید است، بلکه ضروری است که SVM، NN و FLS را بهعنوان بخشهایی از یک کل متصل بدانیم. در سراسر، تئوری و الگوریتم ها با مثال های عملی، و همچنین با مجموعه مسائل و آزمایش های شبیه سازی شده نشان داده شده اند. این رویکرد خواننده را قادر می سازد تا علاوه بر درک آنها، SVM، NN و FLS را توسعه دهد. این کتاب همچنین سه مطالعه موردی را ارائه میکند: کنترل مبتنی بر NN، تجزیه و تحلیل سریهای زمانی مالی، و گرافیک کامپیوتری. یک راهنمای راه حل و همه برنامه های MATLAB مورد نیاز برای آزمایش های شبیه سازی شده در دسترس هستند.
This textbook provides a thorough introduction to the field of learning from experimental data and soft computing. Support vector machines (SVM) and neural networks (NN) are the mathematical structures, or models, that underlie learning, while fuzzy logic systems (FLS) enable us to embed structured human knowledge into workable algorithms. The book assumes that it is not only useful, but necessary, to treat SVM, NN, and FLS as parts of a connected whole. Throughout, the theory and algorithms are illustrated by practical examples, as well as by problem sets and simulated experiments. This approach enables the reader to develop SVM, NN, and FLS in addition to understanding them. The book also presents three case studies: on NN-based control, financial time series analysis, and computer graphics. A solutions manual and all of the MATLAB programs needed for the simulated experiments are available.