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: آموزشی ویرایش: 1 نویسندگان: Huajin Tang, Kay Chen Tan, Zhang Yi سری: Studies in Computational Intelligence 53 ISBN (شابک) : 3540692258, 9783540692256 ناشر: Springer سال نشر: 2007 تعداد صفحات: 310 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Neural Networks: Computational Models and Applications 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: مدل ها و کاربردهای محاسباتی 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.
شبکههای عصبی: مدلها و کاربردهای محاسباتی، مسائل نظری و عملی مهمی را در شبکههای عصبی ارائه میدهند، از جمله الگوریتمهای یادگیری شبکههای عصبی پیشخور، ویژگیهای دینامیکی مختلف شبکههای عصبی بازگشتی، شبکههای برنده همه چیز و کاربردهای آنها در منیفولدهای گسترده محاسباتی. هوش: تشخیص الگو، تقریب یکنواخت، بهینه سازی محدود، مسائل NP-hard و تقسیم بندی تصویر. این کتاب درک فشرده و روشنگری از دامنه گسترده و به سرعت در حال رشد شبکه های عصبی ارائه می دهد.
Neural Networks: Computational Models and Applications presents important theoretical and practical issues in neural networks, including the learning algorithms of feed-forward neural networks, various dynamical properties of recurrent neural networks, winner-take-all networks and their applications in broad manifolds of computational intelligence: pattern recognition, uniform approximation, constrained optimization, NP-hard problems, and image segmentation. The book offers a compact, insightful understanding of the broad and rapidly growing neural networks domain.
Front Matter....Pages I-XXII
Introduction....Pages 1-7
Feedforward Neural Networks and Training Methods....Pages 9-21
New Dynamical Optimal Learning for Linear Multilayer FNN....Pages 23-34
Fundamentals of Dynamic Systems....Pages 35-56
Various Computational Models and Applications....Pages 57-79
Convergence Analysis of Discrete Time RNNs for Linear Variational Inequality Problem....Pages 81-97
Parameter Settings of Hopfield Networks Applied to Traveling Salesman Problems....Pages 99-116
Competitive Model for Combinatorial Optimization Problems....Pages 117-128
Competitive Neural Networks for Image Segmentation....Pages 129-144
Columnar Competitive Model for Solving Multi-Traveling Salesman Problem....Pages 145-160
Improving Local Minima of Columnar Competitive Model for TSPs....Pages 161-175
A New Algorithm for Finding the Shortest Paths Using PCNN....Pages 177-189
Qualitative Analysis for Neural Networks with LT Transfer Functions....Pages 191-209
Analysis of Cyclic Dynamics for Networks of Linear Threshold Neurons....Pages 211-234
LT Network Dynamics and Analog Associative Memory....Pages 235-257
Output Convergence Analysis for Delayed RNN with Time Varying Inputs....Pages 259-277
Background Neural Networks with Uniform Firing Rate and Background Input....Pages 279-288
Back Matter....Pages 289-299