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: Mohd. Samar Ansari (auth.)
سری: Studies in Computational Intelligence 508
ISBN (شابک) : 9788132215622, 9788132215639
ناشر: Springer India
سال نشر: 2014
تعداد صفحات: 217
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 شبکه های عصبی بازخورد غیرخطی: پیاده سازی ها و برنامه های VLSI: هوش محاسباتی، مدارها و سیستم ها، مدل های ریاضی فرآیندهای شناختی و شبکه های عصبی، الکترونیک و میکروالکترونیک، ابزار دقیق
در صورت تبدیل فایل کتاب Non-Linear Feedback Neural Networks: VLSI Implementations 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 بازخورد غیرخطی: پیاده سازی ها و برنامه های VLSI 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.
هدف این کتاب ارائه یک جایگزین مناسب برای مدل شبکه عصبی هاپفیلد (HNN) برای محاسبات آنالوگ است. به خوبی شناخته شده است که HNN استاندارد از مشکلات همگرایی به حداقل های محلی و نیاز به تعداد زیادی نورون و وزن سیناپسی رنج می برد. بنابراین، راه حل های بهبود یافته مورد نیاز است. شبکه عصبی سیناپس غیرخطی (NoSyNN) یکی از این احتمالات است و در این کتاب به تفصیل مورد بحث قرار گرفته است. این کتاب همچنین در مورد کاربردها در کارهای محاسباتی فشرده مانند رنگآمیزی نمودار، رتبهبندی و برنامهنویسی خطی و درجه دوم بحث میکند. مطالب این کتاب برای دانشجویان، محققین و دانشگاهیان شاغل در حوزه محاسبات آنالوگ مفید است.
This book aims to present a viable alternative to the Hopfield Neural Network (HNN) model for analog computation. It is well known the standard HNN suffers from problems of convergence to local minima, and requirement of a large number of neurons and synaptic weights. Therefore, improved solutions are needed. The non-linear synapse neural network (NoSyNN) is one such possibility and is discussed in detail in this book. This book also discusses the applications in computationally intensive tasks like graph coloring, ranking, and linear as well as quadratic programming. The material in the book is useful to students, researchers and academician working in the area of analog computation.
Front Matter....Pages i-xxii
Introduction....Pages 1-11
Background....Pages 13-54
Voltage-Mode Neural Network for the Solution of Linear Equations....Pages 55-104
Mixed-Mode Neural Circuit for Solving Linear Equations....Pages 105-144
Non-Linear Feedback Neural Circuits for Linear and Quadratic Programming....Pages 145-170
OTA-Based Implementations of Mixed-Mode Neural Circuits....Pages 171-186
Conclusion....Pages 187-190
Back Matter....Pages 191-201