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 Neural Network Programming With Java

دانلود کتاب برنامه نویسی شبکه عصبی با جاوا

Neural Network Programming With Java

مشخصات کتاب

Neural Network Programming With Java

ویرایش:  
نویسندگان: , ,   
سری:  
 
ناشر: Packt Publishing 
سال نشر: 2016 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت

قیمت کتاب (تومان) : 78,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 13


در صورت تبدیل فایل کتاب Neural Network Programming With Java 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 برنامه نویسی شبکه عصبی با جاوا 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 برنامه نویسی شبکه عصبی با جاوا



با پیاده‌سازی کدهای حرفه‌ای جاوا، قدرت شبکه‌های عصبی را ایجاد و آزاد کنید

درباره این کتاب

یاد بگیرید که با استفاده از سیستم عصبی پروژه‌های شگفت‌انگیزی بسازید. شبکه هایی از جمله پیش بینی آب و هوا و تشخیص الگو

ویژگی چند پلت فرم جاوا را کاوش کنید تا شبکه های عصبی شخصی خود را در همه جا اجرا کنید

این راهنمای گام به گام به شما در حل دنیای واقعی کمک می کند. مشکلات و پیوند نظریه شبکه های عصبی به کاربرد آنها

این کتاب برای چه کسی است

این کتاب برای توسعه دهندگان جاوا با دانش اولیه برنامه نویسی جاوا است. هیچ دانش قبلی در مورد شبکه های عصبی مورد نیاز نیست زیرا این کتاب مفاهیم را از ابتدا پوشش می دهد.

آنچه شما خواهید آموخت

  • با اصول اولیه شبکه های عصبی و موارد استفاده از آنها آشنا شوید
  • شبکه های عصبی را با استفاده از مثال های عملی توسعه دهید
  • پرکاربردترین الگوریتم های یادگیری را کاوش و کدنویسی کنید تا شبکه عصبی شما از بیشتر انواع داده ها بیاموزد
  • کشف قدرت فرآیند یادگیری بدون نظارت شبکه عصبی برای استخراج دانش ذاتی نهفته در پشت داده ها
  • از کدهای تولید شده در مثال های عملی، از جمله پیش بینی آب و هوا و تشخیص الگو استفاده کنید
  • با نحوه انتخاب بهترین پارامترهای یادگیری آشنا شوید تا اطمینان حاصل کنید که کاربرد موثرتری دارید
  • مجموعه‌های داده را به آموزش، آزمایش و اعتبارسنجی انتخاب و تقسیم کنید و استراتژی‌های اعتبارسنجی را بررسی کنید
  • نحوه بهبود و بهینه سازی شبکه عصبی خود را بیابید

در جزئیات

در هر ثانیه مقادیر زیادی داده تولید می شود. در این زمینه، شبکه های عصبی به یک تکنیک قدرتمند برای استخراج دانش مفید از مقادیر زیادی داده خام و به ظاهر نامرتبط تبدیل می شوند. یکی از برگزیده‌ترین زبان‌ها برای برنامه‌نویسی شبکه‌های عصبی، جاوا است، زیرا نوشتن کد با استفاده از آن آسان‌تر است، و بیشتر محبوب‌ترین بسته‌های شبکه عصبی در حال حاضر برای جاوا وجود دارد. این آن را به یک زبان برنامه‌نویسی همه کاره برای شبکه‌های عصبی تبدیل می‌کند.

این کتاب به شما توضیح کاملی از فرآیند توسعه نمونه‌های عملی پایه تا پیشرفته بر اساس شبکه‌های عصبی با جاوا می‌دهد.

شما ابتدا مبانی شبکه های عصبی و فرآیند یادگیری آنها را یاد می گیرد. سپس بر روی چیستی Perceptron ها و ویژگی های آنها تمرکز می کنیم. در مرحله بعد، نقشه های خودسازماندهی را با استفاده از مفاهیمی که آموخته اید پیاده سازی خواهید کرد. علاوه بر این، با برخی از برنامه های ارائه شده در این کتاب مانند پیش بینی آب و هوا، تشخیص بیماری، پروفایل مشتری و شناسایی کاراکترها (OCR) آشنا خواهید شد. در نهایت، روش‌هایی را برای بهینه‌سازی و تطبیق شبکه‌های عصبی در زمان واقعی یاد می‌گیرید.

همه مثال‌های تولید شده در کتاب در قالب کد منبع گویا ارائه شده‌اند که مفاهیم برنامه‌نویسی شی‌گرا (OOP) را ادغام می‌کند. و ویژگی های شبکه عصبی برای افزایش تجربه یادگیری شما.

**

درباره نویسنده

Alan M.F. سوزا

Alan M.F. سوزا مهندس کامپیوتر از Instituto de Estudos Superiores da Amazonia (IESAM) است. او دارای مدرک فوق لیسانس در نرم افزار مدیریت پروژه و مدرک کارشناسی ارشد در فرآیندهای صنعتی (محاسبات کاربردی) از دانشگاه فدرال دو پارا (UFPA) است. او از سال 2009 با شبکه های عصبی کار می کند و از سال 2006 با شرکت های برزیلی فناوری اطلاعات در حال توسعه در جاوا، PHP، SQL و سایر زبان های برنامه نویسی کار کرده است. او علاقه زیادی به برنامه نویسی و هوش محاسباتی دارد. در حال حاضر او استاد دانشگاه آمازونیا (یوناما) و کاندیدای دکترا در UFPA است.

فابیو ام. سوآرس

Fabio M. Soares دارای مدرک کارشناسی ارشد در محاسبات کاربردی از UFPA است و در حال حاضر کاندیدای دکترا در همان دانشگاه است. او از سال 2004 راه‌حل‌های شبکه عصبی را طراحی می‌کند و برنامه‌های کاربردی با این تکنیک را در چندین زمینه توسعه داده است، از مخابرات گرفته تا مدل‌سازی فرآیند شیمی، و موضوعات تحقیقاتی او یادگیری نظارت شده برای مدل‌سازی داده‌محور را پوشش می‌دهد. او همچنین خوداشتغال است و خدماتی مانند مدیریت زیرساخت فناوری اطلاعات و همچنین مدیریت پایگاه داده را به تعدادی از شرکت های کوچک و متوسط ​​در شمال برزیل ارائه می دهد. او در گذشته برای شرکت‌های بزرگی مانند آلبراس، یکی از مهم‌ترین کارخانه‌های ذوب آلومینیوم در جهان، و Eletronorte، تامین‌کننده برق بزرگ در برزیل، کار کرده است. او همچنین تجربه به عنوان یک مدرس را دارد و در دانشگاه فدرال روستایی آمازون و به عنوان دانشکده کاستانهال، هر دو در ایالت پارا، کار کرده است و موضوعاتی را شامل برنامه نویسی و هوش مصنوعی تدریس می کند. او تعدادی کار منتشر کرده است که بسیاری از آنها به زبان انگلیسی در دسترس هستند، که همگی شامل موضوعاتی از هوش مصنوعی است که برای برخی از مشکلات استفاده می شود. انتشارات او شامل مجموعه مقالات کنفرانس، مانند TMS (انجمن فلزات و مواد معدنی)، فلزات سبک و مهندسی داده هوشمند و یادگیری خودکار است. او همچنین دو فصل کتاب برای اینتک منتشر کرده است.


توضیحاتی درمورد کتاب به خارجی

Create and unleash the power of neural networks by implementing professional Java code

About This Book

Learn to build amazing projects using neural networks including forecasting the weather and pattern recognition

Explore the Java multi-platform feature to run your personal neural networks everywhere

This step-by-step guide will help you solve real-world problems and links neural network theory to their application

Who This Book Is For

This book is for Java developers with basic Java programming knowledge. No previous knowledge of neural networks is required as this book covers the concepts from scratch.

What You Will Learn

  • Get to grips with the basics of neural networks and what they are used for
  • Develop neural networks using hands-on examples
  • Explore and code the most widely-used learning algorithms to make your neural network learn from most types of data
  • Discover the power of neural network’s unsupervised learning process to extract the intrinsic knowledge hidden behind the data
  • Apply the code generated in practical examples, including weather forecasting and pattern recognition
  • Understand how to make the best choice of learning parameters to ensure you have a more effective application
  • Select and split data sets into training, test, and validation, and explore validation strategies
  • Discover how to improve and optimize your neural network

In Detail

Vast quantities of data are produced every second. In this context, neural networks become a powerful technique to extract useful knowledge from large amounts of raw, seemingly unrelated data. One of the most preferred languages for neural network programming is Java as it is easier to write code using it, and most of the most popular neural network packages around already exist for Java. This makes it a versatile programming language for neural networks.

This book gives you a complete walkthrough of the process of developing basic to advanced practical examples based on neural networks with Java.

You will first learn the basics of neural networks and their process of learning. We then focus on what Perceptrons are and their features. Next, you will implement self-organizing maps using the concepts you’ve learned. Furthermore, you will learn about some of the applications that are presented in this book such as weather forecasting, disease diagnosis, customer profiling, and characters recognition (OCR). Finally, you will learn methods to optimize and adapt neural networks in real time.

All the examples generated in the book are provided in the form of illustrative source code, which merges object-oriented programming (OOP) concepts and neural network features to enhance your learning experience.

**

About the Author

Alan M.F. Souza

Alan M.F. Souza is computer engineer from Instituto de Estudos Superiores da Amazonia (IESAM). He holds a post-graduate degree in project management software and a master's degree in industrial processes (applied computing) from Universidade Federal do Para (UFPA). He has been working with neural networks since 2009 and has worked with IT Brazilian companies developing in Java, PHP, SQL, and other programming languages since 2006. He is passionate about programming and computational intelligence. Currently, he is a professor at Universidade da Amazonia (UNAMA) and a PhD candidate at UFPA.

Fabio M. Soares

Fabio M. Soares holds a master's degree in applied computing from UFPA and is currently a PhD candidate at the same university. He has been designing neural network solutions since 2004 and has developed applications with this technique in several fields, ranging from telecommunications to chemistry process modeling, and his research topics cover supervised learning for data-driven modeling. He is also self-employed, offering services such as IT infrastructure management as well as database administration to a number of small- and medium-sized companies in northern Brazil. In the past, he has worked for big companies such as Albras, one of the most important aluminium smelters in the world, and Eletronorte, a great power supplier in Brazil. He also has experience as a lecturer, having worked at the Federal Rural University of Amazon and as a Faculty of Castanhal, both in the state of Para, teaching subjects involving programming and artificial intelligence. He has published a number of works, many of them available in English, all including the topics of artificial intelligence applied to some problem. His publications include conference proceedings, such as the TMS (The Minerals Metals and Materials Society), Light Metals and the Intelligent Data Engineering and Automated Learning. He has also has published two book chapters for Intech.





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد