مشخصات کتاب
Neural Network Systems Techniques and Applications. Volume 7. Control and Dynamic Systems
دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:
نویسندگان: Leondes C.T. (Ed.)
سری:
ناشر:
سال نشر:
تعداد صفحات: 459
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 18 مگابایت
قیمت کتاب (تومان) : 33,000
کلمات کلیدی مربوط به کتاب تکنیک ها و کاربردهای سیستم های شبکه عصبی. جلد 7. سیستم های کنترل و دینامیک: علوم و مهندسی کامپیوتر، هوش مصنوعی، شبکه های عصبی
میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 12
در صورت تبدیل فایل کتاب Neural Network Systems Techniques and Applications. Volume 7. Control and Dynamic Systems 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 تکنیک ها و کاربردهای سیستم های شبکه عصبی. جلد 7. سیستم های کنترل و دینامیک 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 تکنیک ها و کاربردهای سیستم های شبکه عصبی. جلد 7. سیستم های کنترل و دینامیک
Издательство Academic Press, 1998, -459 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 بهطور گسترده
مورد بررسی قرار میگیرند.
گستردگی و عمق قابلتوجه پیشرفتها در سیستمهای شبکههای عصبی با
کاربردهای اساسی فراوان آنها، که هم تحقق یافته و هم هنوز محقق
نشدهاند، کاملاً مشهود است که کافی است. پرداختن به این منطقه
وسیع نیازمند تعدادی جلد مجزا با عنوان اما به خوبی یکپارچه است.
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/ )
توابع متعامد برای
شناسایی و کنترل سیستم ها
شبکه های عصبی بازگشتی چندلایه برای سنتز و تنظیم سیستم های کنترل
خطی از طریق تخصیص قطب
تکنیک های مستقیم و غیر مستقیم برای کنترل ناشناخته سیستمهای
دینامیکی غیرخطی با استفاده از شبکههای عصبی پویا
یک کنترلکننده عصبی ردیابی بهینه افق عقبنشینی برای سیستمهای
دینامیکی غیرخطی
تخفیفدهندههای روی خط برای شناسایی سیستمهای غیرخطی: یک رویکرد
واحد
تعیین مدلهای چند متغیره برای سیستمهای غیرخطی
سیستم های شبکه عصبی مرتبه بالا در شناسایی سیستم های
دینامیکی
کنترل های عصبی برای سیستم های با دینامیک ناشناخته
شبکه های عصبی یادگیری آنلاین برای خلبان خودکار هواپیما و سیستم
های تقویت فرمان
مدل سازی سیستم های غیرخطی
توضیحاتی درمورد کتاب به خارجی
Издательство Academic Press, 1998, -459 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/ )
Orthogonal Functions for Systems
Identification and Control
Multilayer Recurrent Neural Networks for Synthesizing and
Tuning Linear Control Systems via Pole Assignment
Direct and Indirect Techniques to Control Unknown Nonlinear
Dynamical Systems Using Dynamical Neural Networks
A Receding Horizon Optimal Tracking Neurocontroller for
Nonlinear Dynamic Systems
On-Line Approximators for Nonlinear System Identification: A
Unified Approach
The Determination of Multivariable Nonlinear Models for Dynamic
Systems
High-Order Neural Network Systems in the Identification of
Dynamical Systems
Neurocontrols for Systems with Unknown Dynamics
On-Line Learning Neural Networks for Aircraft Autopilot and
Command Augmentation Systems
Nonlinear System Modeling
نظرات کاربران