برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Neural Networks for Pattern Recognition

دانلود کتاب شبکه های عصبی برای تشخیص الگو

مشخصات کتاب

Neural Networks for Pattern Recognition

دسته بندی: الگوریتم ها و ساختارهای داده ها: شناخت الگو
ویرایش:  
نویسندگان: Christopher M. Bishop  
سری:  
ISBN (شابک) : 9780198538493, 0198538499 
ناشر: Oxford University Press, USA 
سال نشر: 1996 
تعداد صفحات: 496 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت

قیمت کتاب (تومان) : 30,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 9

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.

توضیحاتی در مورد کتاب شبکه های عصبی برای تشخیص الگو

دکتر بیشاپ در این زمینه یک متخصص شناخته شده جهانی است، اما کتاب او برای من جواب نداد. با وجود عنوان، موضوع کلی تر طبقه بندی را پوشش می دهد، نه فقط شبکه های عصبی. با این حال، نسبت به موارد مورد علاقه من (به ویژه هستی و تبشیرانی) کمتر خوب عمل می کند. از نظر بحث خاص در مورد طبقه‌بندی‌کننده‌های غیرخطی، من بحث کریستینینی در مورد SVM را ترجیح می‌دهم. مثبت‌ترین ویژگی بحث مفصل قضیه کولموگروف است که به نظر من بسیار قدرتمند بود، اما شاید نه به روشی که نویسنده در نظر داشت. به عبارت دیگر، قضیه کولموگروف بیان می کند که ساختاری به سادگی یک شبکه عصبی تک لایه پنهان نسبت به فضای توابع پیوسته متراکم است. من این را به این معنا تفسیر می‌کنم که یک مدل شبکه عصبی می‌تواند با هر چیزی مطابقت داشته باشد، کاملا مستقل از هر رابطه اساسی. من همیشه نسبت به NN ها بدبین بوده ام و این ویژگی به من واقعیتی برای حمایت از تعصب من می دهد. بحث بیشاپ در مورد قضیه کولموگروف نظر من را در مورد کتاب جلب می کند. او این قضیه را به‌عنوان یک نکته کناری مطرح می‌کند و پیشنهادی برای استنتاج از آن ندارد. من نویسندگانی را ترجیح می دهم که بیشتر یک پایان نامه اصلی دارند. من آن را بر اساس ستایش تقریباً جهانی خریدم. دوست نداشتن من ممکن است بیشتر یک سلیقه شخصی باشد تا یک دستورالعمل قابل اعتماد.

توضیحاتی درمورد کتاب به خارجی

Dr. Bishop is a world-renowned expert in this field, but his book didn't work for me. Despite the title, it covers the more general topic of classification, not just Neural Networks. However, it does so less well than my favorites (esp. Hastie and Tibshirani). In terms of specific discussion of nonlinear classifiers, I preferred Christianini's discussion of SVM's.The most positive feature is a detailed discussion of the Kolmogorov theorem which I found very powerful, but perhaps not in the way the author intended. To paraphrase, the Kolmogorov theorem states that a structure as simple as a single hidden layer neural network is dense with respect to the space of continuous functions. I interpret that to mean that a neural network model can fit anything, completely independent of any underlying relationship. I've always been skeptical of NN's and this property gives me a fact to support my bias. Bishop's discussion of the Kolmogorov theorem captures my opinion of the book. He presents the theorem as an aside and does not propose to draw any inferences from it. I prefer authors who have more of a central thesis.That said, many people really like this book. I bought it based on the near-universal praise. My dislike may be more a personal taste than a reliable guideline.