دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Anthony Zaknich
سری:
ISBN (شابک) : 9812383050, 9789812796851
ناشر: World Scientific Pub Co Inc
سال نشر: 2003
تعداد صفحات: 510
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 Mb
در صورت تبدیل فایل کتاب Neural Networks for Intelligent Signal Processing (Series on Innovative Intelligence, Vol. 4) 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 برای پردازش سیگنال هوشمند (سری هوش نوآورانه، جلد 4) 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.
این عنوان یک مقدمه نظری و عملی کامل برای کاربرد شبکه های عصبی در تشخیص الگو و پردازش سیگنال هوشمند ارائه می دهد. این بر روی دانشجویان ناآشنا با شبکه های عصبی آزمایش شده است، که قادر به دریافت جزئیات کافی برای تکمیل موفقیت آمیز کارشناسی ارشد یا پروژه های سال آخر کارشناسی خود بودند. این متن همچنین یک درمان جامع از یک کلاس از شبکههای عصبی به نام تابع پایه کروی پهنای باند مشترک، از جمله NN احتمالی، NN احتمالی اصلاحشده و NN رگرسیون عمومی را ارائه میکند.
This title provides a thorough theoretical and practical introduction to the application of neural networks to pattern recognition and intelligent signal processing. It has been tested on students, unfamiliar with neural networks, who were able to pick up enough details to successfully complete their masters or final year undergraduate projects. The text also presents a comprehensive treatment of a class of neural networks called common bandwidth spherical basis function NNs, including the probabilistic NN, the modified probabilistic NN, and the general regression NN.