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: 1St Edition
نویسندگان: Albert Nigrin
سری: Bradford Books
ISBN (شابک) : 0262140543, 9780262140546
ناشر: A Bradford Book
سال نشر: 1993
تعداد صفحات: 419
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 18 مگابایت
در صورت تبدیل فایل کتاب Neural Networks for Pattern Recognition 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 تشخیص الگو 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.
شبکه های عصبی برای تشخیص الگو، کار پیشگامانه استفان گروسبرگ و همکارانش در شبکه های عصبی مصنوعی را به سطح جدیدی می برد. به روشی ساده و در دسترس، تئوری میدان را به حوزههایی از هوش ماشینی که قبلاً به وضوح به آن پرداخته نشده است، گسترش میدهد. به دنبال آموزش شبکههای عصبی موجود برای طبقهبندی الگوها، نیگرین این شبکهها را گسترش میدهد تا معماریهای اساساً جدیدی را ارائه دهد که طبقهبندی الگوی بیدرنگ الگوهای تعبیهشده و مترادف را انجام میدهند و به وظایفی مانند بینایی، تشخیص گفتار، ترکیب حسگر و رضایت از محدودیت کمک میکنند. نیگرین معماری های جدید را در دو مرحله ارائه می کند. ابتدا او شبکهای به نام Sonnet 1 ارائه میکند که قبلاً به ویژگیهای مهمی مانند توانایی یادگیری و تقسیمبندی الگوهای ورودی پیوسته متنوع در زمان واقعی، پردازش الگوها به روشی حساس به زمینه و یادگیری الگوهای جدید بدون تنزل مقولههای موجود دست یافته است. سپس او سادهسازیهای ذاتی غزل ۱ را حذف میکند و معماریهای کاملاً جدیدی را معرفی میکند. این معماری ها قدرت طبقه بندی الگوهایی را دارند که ممکن است معانی مشابهی داشته باشند اما ظاهر خارجی متفاوتی دارند (مترادف). آنها همچنین برای نشان دادن الگوها به شکلی توزیع شده، هم در حافظه کوتاه مدت و هم در حافظه بلند مدت، طراحی شده اند. آلبرت نیگرین استادیار گروه علوم کامپیوتر و سیستم های اطلاعاتی در دانشگاه آمریکایی است.
Neural Networks for Pattern Recognition takes the pioneering work in artificial neural networks by Stephen Grossberg and his colleagues to a new level. In a simple and accessible way it extends embedding field theory into areas of machine intelligence that have not been clearly dealt with before. Following a tutorial of existing neural networks for pattern classification, Nigrin expands on these networks to present fundamentally new architectures that perform realtime pattern classification of embedded and synonymous patterns and that will aid in tasks such as vision, speech recognition, sensor fusion, and constraint satisfaction.Nigrin presents the new architectures in two stages. First he presents a network called Sonnet 1 that already achieves important properties such as the ability to learn and segment continuously varied input patterns in real time, to process patterns in a context sensitive fashion, and to learn new patterns without degrading existing categories. He then removes simplifications inherent in Sonnet 1 and introduces radically new architectures. These architectures have the power to classify patterns that may have similar meanings but that have different external appearances (synonyms). They also have been designed to represent patterns in a distributed fashion, both in short-term and long-term memory.Albert Nigrin is Assistant Professor in the Department of Computer Science and Information Systems at American University.