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 MATLAB Deep Learning Toolbox™ Reference

دانلود کتاب مرجع ™ MATLAB Deep Learning Toolbox

MATLAB Deep Learning Toolbox™ Reference

مشخصات کتاب

MATLAB Deep Learning Toolbox™ Reference

ویرایش:  
نویسندگان:   
سری:  
 
ناشر: The MathWorks, Inc. 
سال نشر: 2022 
تعداد صفحات: [2314] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 Mb 

قیمت کتاب (تومان) : 42,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب MATLAB Deep Learning Toolbox™ Reference 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 مرجع ™ MATLAB Deep Learning Toolbox 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 درمورد کتاب به خارجی



فهرست مطالب

Deep Learning Functions
	Deep Network Designer
	Deep Network Quantizer
	Experiment Manager
	activations
	AcceleratedFunction
	adamupdate
	additionLayer
	addLayers
	addParameter
	alexnet
	analyzeNetwork
	assembleNetwork
	augment
	augmentedImageDatastore
	augmentedImageSource
	averagePooling1dLayer
	averagePooling2dLayer
	averagePooling3dLayer
	avgpool
	batchnorm
	batchNormalizationLayer
	bilstmLayer
	calibrate
	checkLayer
	classificationLayer
	ClassificationOutputLayer
	classify
	classifyAndUpdateState
	clearCache
	clippedReluLayer
	concatenationLayer
	confusionchart
	confusionmat
	ConfusionMatrixChart
	connectLayers
	convolution1dLayer
	convolution2dLayer
	convolution3dLayer
	crop2dLayer
	crop3dLayer
	crossChannelNormalizationLayer
	crosschannelnorm
	crossentropy
	ctc
	DAGNetwork
	darknet19
	darknet53
	deepDreamImage
	densenet201
	depthConcatenationLayer
	dims
	dlaccelerate
	dlarray
	dlconv
	dlfeval
	dlgradient
	dlmtimes
	dlnetwork
	predict
	dlode45
	dlquantizationOptions
	dlquantizer
	dlupdate
	dltranspconv
	disconnectLayers
	dropoutLayer
	efficientnetb0
	eluLayer
	embed
	estimateNetworkMetrics
	experiments.Monitor
	exportONNXNetwork
	extractdata
	featureInputLayer
	finddim
	findPlaceholderLayers
	flattenLayer
	forward
	freezeParameters
	fullyconnect
	fullyConnectedLayer
	functionLayer
	functionToLayerGraph
	getL2Factor
	getLearnRateFactor
	globalAveragePooling1dLayer
	globalAveragePooling2dLayer
	globalAveragePooling3dLayer
	globalMaxPooling1dLayer
	globalMaxPooling2dLayer
	globalMaxPooling3dLayer
	googlenet
	gradCAM
	groupedConvolution2dLayer
	groupnorm
	groupNormalizationLayer
	groupSubPlot
	gru
	gruLayer
	hasdata
	huber
	imageDataAugmenter
	image3dInputLayer
	imageInputLayer
	imageLIME
	importCaffeLayers
	importCaffeNetwork
	importKerasLayers
	importKerasNetwork
	importONNXFunction
	importONNXLayers
	importONNXNetwork
	importTensorFlowLayers
	importTensorFlowNetwork
	inceptionresnetv2
	inceptionv3
	initialize
	instancenorm
	instanceNormalizationLayer
	isdlarray
	isequal
	isequaln
	l1loss
	l2loss
	Layer
	layerGraph
	layernorm
	layerNormalizationLayer
	leakyrelu
	leakyReluLayer
	loadTFLiteModel
	lstm
	lstmLayer
	maxpool
	maxPooling1dLayer
	maxPooling2dLayer
	maxPooling3dLayer
	maxunpool
	maxUnpooling2dLayer
	minibatchqueue
	mobilenetv2
	mse
	multiplicationLayer
	nasnetlarge
	nasnetmobile
	next
	occlusionSensitivity
	onehotdecode
	onehotencode
	padsequences
	partition
	ONNXParameters
	partitionByIndex
	PlaceholderLayer
	plot
	predict
	predictAndUpdateState
	read
	readByIndex
	recordMetrics
	regressionLayer
	RegressionOutputLayer
	reset
	quantizationDetails
	resetState
	rmspropupdate
	relu
	reluLayer
	removeLayers
	removeParameter
	replaceLayer
	resnet18
	resnet50
	resnet101
	resnetLayers
	resnet3dLayers
	sequenceFoldingLayer
	sequenceInputLayer
	sequenceUnfoldingLayer
	SeriesNetwork
	setL2Factor
	setLearnRateFactor
	sgdmupdate
	shuffle
	shuffle
	shufflenet
	sigmoid
	sigmoidLayer
	softmax
	softmaxLayer
	sortClasses
	squeezenet
	stripdims
	swishLayer
	tanhLayer
	taylorPrunableNetwork
	trainingOptions
	TrainingOptionsADAM
	TrainingOptionsRMSProp
	TrainingOptionsSGDM
	trainNetwork
	transposedConv1dLayer
	transposedConv2dLayer
	transposedConv3dLayer
	TransposedConvolution1DLayer
	TransposedConvolution2DLayer
	TransposedConvolution3dLayer
	unfreezeParameters
	TFLiteModel
	predict
	updateInfo
	updatePrunables
	updateScore
	validate
	quantize
	vgg16
	vgg19
	vggish
	xception
	yamnet
Approximation, Clustering, and Control Functions
	adapt
	adaptwb
	adddelay
	boxdist
	bttderiv
	cascadeforwardnet
	catelements
	catsamples
	catsignals
	cattimesteps
	cellmat
	closeloop
	combvec
	compet
	competlayer
	con2seq
	concur
	configure
	confusion
	convwf
	crossentropy
	defaultderiv
	dist
	distdelaynet
	divideblock
	divideind
	divideint
	dividerand
	dividetrain
	dotprod
	elliotsig
	elliot2sig
	elmannet
	errsurf
	extendts
	feedforwardnet
	fixunknowns
	formwb
	fpderiv
	fromnndata
	gadd
	gdivide
	gensim
	genFunction
	getelements
	getsamples
	getsignals
	getsiminit
	gettimesteps
	getwb
	gmultiply
	gnegate
	gpu2nndata
	gridtop
	gsqrt
	gsubtract
	hardlim
	hardlims
	hextop
	ind2vec
	init
	initcon
	initlay
	initlvq
	initnw
	initwb
	initzero
	isconfigured
	layrecnet
	learncon
	learngd
	learngdm
	learnh
	learnhd
	learnis
	learnk
	learnlv1
	learnlv2
	learnos
	learnp
	learnpn
	learnsom
	learnsomb
	learnwh
	linearlayer
	linkdist
	logsig
	lvqnet
	lvqoutputs
	mae
	mandist
	mapminmax
	mapstd
	maxlinlr
	meanabs
	meansqr
	midpoint
	minmax
	mse
	narnet
	narxnet
	nctool
	negdist
	netinv
	netprod
	netsum
	network
	newgrnn
	newlind
	newpnn
	newrb
	newrbe
	nftool
	nncell2mat
	nncorr
	nndata
	nndata2gpu
	nndata2sim
	nnsize
	nnstart
	nntool
	nntraintool
	noloop
	normc
	normprod
	normr
	nprtool
	ntstool
	num2deriv
	num5deriv
	numelements
	numfinite
	numnan
	numsamples
	numsignals
	numtimesteps
	openloop
	patternnet
	perceptron
	perform
	plotconfusion
	plotep
	ploterrcorr
	ploterrhist
	plotes
	plotfit
	plotinerrcorr
	plotpc
	plotperform
	plotpv
	plotregression
	plotresponse
	plotroc
	plotsom
	plotsomhits
	plotsomnc
	plotsomnd
	plotsomplanes
	plotsompos
	plotsomtop
	plottrainstate
	plotv
	plotvec
	plotwb
	pnormc
	poslin
	preparets
	processpca
	prune
	prunedata
	purelin
	quant
	radbas
	radbasn
	randnc
	randnr
	rands
	randsmall
	randtop
	regression
	removeconstantrows
	removedelay
	removerows
	revert
	roc
	sae
	satlin
	satlins
	scalprod
	selforgmap
	separatewb
	seq2con
	setelements
	setsamples
	setsignals
	setsiminit
	settimesteps
	setwb
	sim
	sim2nndata
	softmax
	srchbac
	srchbre
	srchcha
	srchgol
	srchhyb
	sse
	staticderiv
	sumabs
	sumsqr
	tansig
	tapdelay
	timedelaynet
	tonndata
	train
	trainb
	trainbfg
	trainbfgc
	trainbr
	trainbu
	trainc
	traincgb
	traincgf
	traincgp
	traingd
	traingda
	traingdm
	traingdx
	trainlm
	trainoss
	trainr
	trainrp
	trainru
	trains
	trainscg
	tribas
	tritop
	unconfigure
	vec2ind
	view
	Neural Net Fitting
	Neural Net Clustering
	Neural Net Pattern Recognition
	Neural Net Time Series
	matlab.io.datastore.MiniBatchable
	matlab.io.datastore.MiniBatchable.read
	matlab.io.datastore.BackgroundDispatchable
	matlab.io.datastore.BackgroundDispatchable.readByIndex
	matlab.io.datastore.PartitionableByIndex
	matlab.io.datastore.PartitionableByIndex.partitionByIndex
	trainAutoencoder
	trainSoftmaxLayer
	Autoencoder
	Autoencoder.decode
	Autoencoder.encode
	Autoencoder.generateFunction
	Autoencoder.generateSimulink
	Autoencoder.network
	Autoencoder.plotWeights
	Autoencoder.predict
	Autoencoder.stack
	Autoencoder.view
	fitnet
Deep Learning Blocks
	Image Classifier
	Predict
	Stateful Classify
	Stateful Predict




نظرات کاربران