مشخصات کتاب

Neural Networks and Learning Machines

ویرایش: 3rd Edition 
نویسندگان: Simon O. Haykin  
سری:  
ISBN (شابک) : 0131471392, 9780131471399 
ناشر: Prentice Hall 
سال نشر: 2008 
تعداد صفحات: 937 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 مگابایت 

در صورت تبدیل فایل کتاب Neural Networks and Learning Machines 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 شبکه های عصبی و ماشین های یادگیری 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 شبکه های عصبی و ماشین های یادگیری



برای دوره های کارشناسی ارشد شبکه عصبی ارائه شده در بخش های مهندسی کامپیوتر، مهندسی برق و علوم کامپیوتر.

شبکه‌های عصبی و ماشین‌های یادگیری، ویرایش سوم به دلیل کامل بودن و خوانایی آن مشهور است. این متن کاملاً سازمان‌یافته و کاملاً به‌روز، جامع‌ترین درمان شبکه‌های عصبی از دیدگاه مهندسی است. این برای مهندسان حرفه ای و دانشمندان محقق ایده آل است.

کدهای Matlab مورد استفاده برای آزمایش های رایانه ای در متن برای دانلود در دسترس هستند: http: //www.pearsonhighered.com/haykin/

برنامه ریزی مجدد، اصلاح و تغییر نام داده شد تا منعکس کننده دوگانگی شبکه‌های عصبی و ماشین‌های یادگیری، این نسخه تشخیص می‌دهد که وقتی این موضوعات با هم مطالعه می‌شوند، موضوع غنی‌تر است. ایده‌های برگرفته از شبکه‌های عصبی و یادگیری ماشین برای انجام وظایف یادگیری بهبودیافته فراتر از توانایی هر یک به طور مستقل ترکیب می‌شوند.

توضیحاتی درمورد کتاب به خارجی

For graduate-level neural network courses offered in the departments of Computer Engineering, Electrical Engineering, and Computer Science.

Neural Networks and Learning Machines, Third Edition is renowned for its thoroughness and readability. This well-organized and completely up-to-date text remains the most comprehensive treatment of neural networks from an engineering perspective. This is ideal for professional engineers and research scientists.

Matlab codes used for the computer experiments in the text are available for download at: http://www.pearsonhighered.com/haykin/

Refocused, revised and renamed to reflect the duality of neural networks and learning machines, this edition recognizes that the subject matter is richer when these topics are studied together. Ideas drawn from neural networks and machine learning are hybridized to perform improved learning tasks beyond the capability of either independently.

فهرست مطالب

Preface
Introduction
Chapter 1. Rosenblatt’s Perceptron
Chapter 2. Model Building through Regression
Chapter 3. The Least-Mean-Square Algorithm
Chapter 4. Multilayer Perceptrons
Chapter 5. Kernel Methods and Radial-Basis Function Networks
Chapter 6. Support Vector Machines
Chapter 7. Regularization Theory
Chapter 8. Principal-Components Analysis
Chapter 9. Self-Organizing Maps
Chapter 10. Information-Theoretic Learning Models
Chapter 11. Stochastic Methods Rooted in Statistical Mechanics
Chapter 12. Dynamic Programming
Chapter 13. Neurodynamics
Chapter 14. Bayseian Filtering for State Estimation of Dynamic Systems
Chapter 15. Dynamically Driven Recurrent Networks
Bibliography
Index

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Green Pharmacy

دانلود کتاب The American Psychiatric Association Publishing Textbook of Psychiatry

دانلود کتاب Perfumes, Cosmetics and Soaps: Volume II The Production, Manufacture and Application of Perfumes

دانلود کتاب Writing documentation with DocBook-XML 4.2

دانلود کتاب Human Factor in Nuclear Security: Establishing and Optimizing Security Culture