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
دسته بندی: سازمان و پردازش داده ها ویرایش: 1st Edition. نویسندگان: Ke-Lin Du. M.N.S. Swamy سری: ISBN (شابک) : 1846283027, 1846283035 ناشر: Springer سال نشر: 2006 تعداد صفحات: 609 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Neural Networks in a Softcomputing Framework 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 در یک چارچوب نرم افزاری 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.
روشهای پردازش دادههای مبتنی بر مدل مرسوم از نظر محاسباتی گران هستند و برای مدلسازی یک سیستم به دانش متخصص نیاز دارند. شبکه های عصبی راه حلی بدون مدل، تطبیقی و پردازش موازی ارائه می دهند. شبکههای عصبی در چارچوب محاسبات نرم، مروری کامل از محبوبترین روشهای شبکه عصبی و تکنیکهای مرتبط با آنها را ارائه میکند. این کتاب درسی مختصر اما جامع، یک الگوی قدرتمند و جهانی برای پردازش اطلاعات ارائه میکند. هر فصل توصیفات پیشرفتهای از نتایج مهم تحقیقاتی روشهای شبکه عصبی مربوطه را ارائه میکند. طیف وسیعی از موضوعات مربوط به هوش محاسباتی، مانند منطق فازی و الگوریتمهای تکاملی، معرفی شدهاند. اینها ابزارهای قدرتمندی برای یادگیری شبکه عصبی هستند. مشکلات پردازش سیگنال آرایه به منظور نشان دادن کاربردهای هر مدل شبکه عصبی مورد بحث قرار میگیرد. شبکههای عصبی در چارچوب محاسبات نرم یک کتاب درسی ایدهآل برای دانشجویان تحصیلات تکمیلی و محققان در این زمینه است زیرا علاوه بر درک اصول، میتوانند بیشترین موارد را کشف کنند. پیشرفت های اخیر در هر یک از مدل های محبوب. بررسی سیستماتیک هر مدل شبکه عصبی و فهرست جامع منابع، محققان و دانشجویان را قادر میسازد تا موضوعات مناسب برای تحقیقات آینده را بیابند. الگوریتم های مهم ذکر شده همچنین این کتاب درسی را به مرجعی ارزشمند برای دانشمندان و پزشکانی تبدیل می کند که در زمینه تشخیص الگو، پردازش سیگنال، پردازش گفتار و تصویر، تجزیه و تحلیل داده ها و هوش مصنوعی کار می کنند.
Conventional model-based data processing methods are computationally expensive and require experts knowledge for the modelling of a system; neural networks provide a model-free, adaptive, parallel-processing solution. Neural Networks in a Softcomputing Framework presents a thorough review of the most popular neural-network methods and their associated techniques.This concise but comprehensive textbook provides a powerful and universal paradigm for information processing. Each chapter provides state-of-the-art descriptions of the important major research results of the respective neural-network methods. A range of relevant computational intelligence topics, such as fuzzy logic and evolutionary algorithms, are introduced. These are powerful tools for neural-network learning. Array signal processing problems are discussed in order to illustrate the applications of each neural-network model.Neural Networks in a Softcomputing Framework is an ideal textbook for graduate students and researchers in this field because in addition to grasping the fundamentals, they can discover the most recent advances in each of the popular models. The systematic survey of each neural-network model and the exhaustive list of references will enable researchers and students to find suitable topics for future research. The important algorithms outlined also make this textbook a valuable reference for scientists and practitioners working in pattern recognition, signal processing, speech and image processing, data analysis and artificial intelligence.
Introduction....Pages 1-26
Fundamentals of Machine Learning and Softcomputing....Pages 27-56
Multilayer Perceptrons....Pages 57-139
Hopfield Networks and Boltzmann Machines....Pages 141-186
Competitive Learning and Clustering....Pages 187-249
Radial Basis Function Networks....Pages 251-294
Principal Component Analysis Networks....Pages 295-351
Fuzzy Logic and Neurofuzzy Systems....Pages 353-404
Evolutionary Algorithms and Evolving Neural Networks....Pages 405-456
Discussion and Outlook....Pages 457-470