Neural Network Systems Techniques and Applications. Volume 2. Optimization Techniques

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان: Leondes C.T. (Ed.)  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 423 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 17 مگابایت 

قیمت کتاب (تومان) : 44,000

Издательство Academic Press, 1998, -423 pp. شبکه های عصبی مصنوعی با الهام از ساختار مغز انسان به طور گسترده در زمینه هایی مانند تشخیص الگو و بهینه سازی استفاده شده اند. ، کدگذاری، کنترل و غیره، به دلیل توانایی آنها در حل مسائل دست و پا گیر یا حل نشدنی با یادگیری مستقیم از داده ها. یک شبکه عصبی مصنوعی معمولاً از تعداد زیادی واحد پردازش ساده، یعنی نورون ها از طریق اتصال متقابل تشکیل شده است. می آموزد که مشکلات را با تنظیم مناسب قدرت اتصالات بر اساس داده های ورودی حل کند. علاوه بر این، شبکه عصبی با یادگیری به راحتی با محیط های جدید سازگار می شود و می تواند با اطلاعاتی که نویز، ناسازگار، مبهم یا احتمالی هستند مقابله کند. این ویژگی ها انگیزه تحقیق و توسعه گسترده در شبکه های عصبی مصنوعی شده است. این جلد احتمالاً اولین درمان نسبتاً جامع است که به حوزه های گسترده الگوریتم ها و معماری ها برای تحقق سیستم های شبکه عصبی اختصاص داده شده است. تکنیک ها و روش های متنوع در زمینه های متعددی از این موضوع گسترده ارائه شده است. علاوه بر این، ساختارهای مختلف شبکه عصبی اصلی برای دستیابی به سیستم‌های مؤثر با مثال‌هایی در همه موارد ارائه و نشان داده شده‌اند. بسیاری از تکنیک‌ها و موضوعات مرتبط با این حوزه به طور گسترده مورد بررسی قرار می‌گیرند.
گستردگی و عمق قابل توجه پیشرفت‌ها در سیستم‌های شبکه‌های عصبی با کاربردهای اساسی فراوان آن‌ها که هم تحقق یافته و هم هنوز محقق نشده‌اند، کاملاً مشهود است که درمان کافی این حوزه وسیع به تعدادی مجلد با عنوان مشخص اما به خوبی یکپارچه نیاز دارد. این پنجمین جلد از هفت جلد با موضوع سیستم های شبکه عصبی است و عنوان پردازش تصویر و تشخیص الگو دارد. کل مجموعه هفت جلدی شامل
الگوریتم‌ها و معماری‌ها ( /file/1517411/ یا /file/261251/ )
تکنیک های بهینه سازی ( /file/ 664172/ )
تکنیک های پیاده سازی ( / file/664174/ )
سیستم های صنعتی و تولیدی (غایب)
پردازش تصویر و تشخیص الگو ( /file/664149/ )
منطق فازی و برنامه های کاربردی سیستم های خبره ( /file/664164/ )
سیستم‌های کنترل و پویا ( /file/664176/ ) یادگیری بهینه در شبکه های عصبی مصنوعی: دیدگاهی نظری
تکنیک های تبدیل متعامد در بهینه سازی سیستم های شبکه عصبی پیشرو
تکنیک های سازنده متوالی
آموزش انتشار سریع پس زمینه با استفاده از نرخ و حرکت بهینه یادگیری
یادگیری فرآیندهای غیر ثابت
مشکلات رضایت از محدودیت
تکنیک های نورون غالب
تکنیک های مبتنی بر CMAC برای کنترل یادگیری تطبیقی
دینامیک اطلاعات و تکنیک های عصبی برای تجزیه و تحلیل داده ها
عملکرد پایه شعاعی تقریب و یادگیری در کنترل پیشخور وابسته به وظیفه سیستم های دینامیکی غیرخطی

Издательство Academic Press, 1998, -423 pp. Inspired by the structure of the human brain, artificial neural networks have been widely applied to fields such as pattern recognition, optimization, coding, control, etc., because of their ability to solve cumbersome or intractable problems by learning directly from data. An artificial neural network usually consists of a large number of simple processing units, i.e., neurons, via mutual interconnection. It learns to solve problems by adequately adjusting the strength of the interconnections according to input data. Moreover, the neural network adapts easily to new environments by learning, and can deal with information that is noisy, inconsistent, vague, or probabilistic. These features have motivated extensive research and developments in artificial neural networks. This volume is probably the first rather comprehensive treatment devoted to the broad areas of algorithms and architectures for the realization of neural network systems. Techniques and diverse methods in numerous areas of this broad subject are presented. In addition, various major neural network structures for achieving effective systems are presented and illustrated by examples in all cases. Numerous other techniques and subjects related to this broadly significant area are treated.
The remarkable breadth and depth of the advances in neural network systems with their many substantive applications both realized and yet to be realized, make it quite evident that adequate treatment of this broad area requires a number of distinctly titled but well-integrated volumes. This is the fifth of seven volumes on the subject of neural network systems and it is entitled Image Processing and Pattern Recognition. The entire set of seven volumes contains
Algorithms and Architectures ( /file/1517411/ or /file/261251/ )
Optimization Techniques ( /file/664172/ )
Implementation Techniques ( /file/664174/ )
Industrial and Manufacturing Systems (absent)
Image Processing and Pattern Recognition ( /file/664149/ )
Fuzzy Logic and Expert Systems Applications ( /file/664164/ )
Control and Dynamic Systems ( /file/664176/ ) Optimal Learning in Artificial Neural Networks: A Theoretical View
Orthogonal Transformation Techniques in the Optimization of Feedforward Neural Network Systems
Sequential Constructive Techniques
Fast Backpropagation Training Using Optimal Learning Rate and Momentum
Learning of Nonstationary Processes
Constraint Satisfaction Problems
Dominant Neuron Techniques
CMAC-Based Techniques for Adaptive Learning Control
Information Dynamics and Neural Techniques for Data Analysis
Radial Basis Function Network Approximation and Learning in Task-Dependent Feedforward Control of Nonlinear Dynamical Systems