Neural Networks: An Introduction

شبکه های عصبی مفاهیم مدل های شبکه عصبی و تکنیک های پردازش موازی توزیع شده به طور جامع در یک رویکرد سه مرحله ای ارائه شده است: - پس از مروری کوتاه بر ساختار عصبی مغز و تاریخچه در مدل‌سازی شبکه‌های عصبی، خواننده با حافظه انجمنی، پیش‌پرسپترون‌ها، شبکه‌های حساس به ویژگی، استراتژی‌های یادگیری و کاربردهای عملی آشنا می‌شود. - قسمت دوم موضوعات پیشرفته تری مانند فیزیک آماری عینک های چرخشی، نظریه میدان میانگین مدل هاپفیلد و رویکرد \"فضای تعاملات\" به ظرفیت ذخیره سازی شبکه های عصبی را پوشش می دهد. - در بخش پایانی مستقل، هفت برنامه که نمایش های عملی مدل های شبکه عصبی و راهبردهای یادگیری آنها را ارائه می دهند، مورد بحث قرار می گیرد. این نرم افزار بر روی یک دیسکت 3 1/2 اینچی MS-DOS گنجانده شده است. کد منبع را می توان با استفاده از کامپایلر Borland's TURBO-C 2.0، کامپایلر Microsoft C (5.0) یا کامپایلرهای سازگار تغییر داد.

Neural Networks The concepts of neural-network models and techniques of parallel distributed processing are comprehensively presented in a three-step approach: - After a brief overview of the neural structure of the brain and the history of neural-network modeling, the reader is introduced to associative memory, preceptrons, feature-sensitive networks, learning strategies, and practical applications. - The second part covers more advanced subjects such as the statistical physics of spin glasses, the mean-field theory of the Hopfield model, and the "space of interactions" approach to the storage capacity of neural networks. - In the self-contained final part, seven programs that provide practical demonstrations of neural-network models and their learning strategies are discussed. The software is included on a 3 1/2-inch MS-DOS diskette. The source code can be modified using Borland's TURBO-C 2.0 compiler, the Microsoft C compiler (5.0), or compatible compilers.