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: 1 نویسندگان: H. Tolle, E. Ersü (auth.) سری: Lecture Notes in Control and Information Sciences 172 ISBN (شابک) : 9783540550570, 9783540466802 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 1992 تعداد صفحات: 212 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب کنترل عصبی: سیستم های کنترل یادگیری با الهام از معماری عصبی و راهبردهای حل مسئله انسانی: مهندسی کنترل، نظریه سیستم ها، کنترل، حساب تغییرات و کنترل بهینه، بهینه سازی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Neurocontrol: Learning Control Systems Inspired by Neuronal Architectures and Human Problem Solving Strategies 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 کنترل عصبی: سیستم های کنترل یادگیری با الهام از معماری عصبی و راهبردهای حل مسئله انسانی 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.
از آنجایی که فرآیندهای بسیار غیرخطی و/یا بسیار پیچیده هنوز برای کنترل خودکار مشکل ایجاد می کنند، اغلب می توانند به راحتی توسط اپراتورهای انسانی مدیریت شوند. این کتاب نتایج حاصل از ده سال تحقیق در مورد حلقههای کنترل یادگیری را توصیف میکند که از این تواناییها تقلید میکنند. پس از بحث در مورد تفاوت کنترل تطبیقی، پیشینه ای در مورد پردازش اطلاعات و رفتار انسان مطرح شده و ساختار حلقه کنترل یادگیری مرتبط با این ایده ها نشان داده شده است. توانایی یادگیری به خاطر حافظه هایی است که می توانند برای فضاهای ورودی چند بعدی بین مقادیر خروجی پراکنده درون یابی کنند. یک حافظه عصبی و ریاضی الهام گرفته شده با هم مقایسه می شود و نشان داده می شود که آنها بسیار سریعتر از شبکه های عصبی پس انتشار که می توانند مورد استفاده قرار گیرند، یاد می گیرند. برای حلقه کنترل یادگیری، معماری های مختلفی ارائه شده است. سودمندی آنها با شبیه سازی نشان داده می شود و از کاربردها در کارخانه های پایلوت واقعی حاصل می شود. این کتاب باید برای مهندسان کنترل و همچنین محققان در کاربردهای شبکه عصبی و/یا هوش مصنوعی مورد علاقه باشد. پیشینه ریاضی معمول مهندسان کافی است.
Since heavily non-linear and/or very complex processes still pose a problem for automatic control, they can often be handled easily by human operators. The book describes re- sults from ten years of research on learning control loops, which imitate these abilities. After discussing the diffe- rencesto adaptive control some background on human informa- tion processing and behaviour is put forward and some lear- ning control loop structure related to these ideas is shown. The ability to learn is due to memories, which are able to interpolate for multi-dimensional input spaces between scat- tered output values. A neuronally and mathematically inspi- red memory lay out-are compared and it is shown that they learn much faster thanbackpropagation neural networks, which can also be used. For the learning control loop diffe- rent architectures are given. Their usefulness is demonstra- ted by simulation and results from applications to real pi- lot plants. The book should be of interest for control engi- neers as well as researchers in neural net applications and/or artificial intelligence. The usual mathematical back- ground of engineers is sufficient.
Basic considerations....Pages 1-28
Microintelligence....Pages 29-94
Macrointelligence....Pages 95-201