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: الگوریتم ها و ساختارهای داده ها: شناخت الگو ویرایش: 1 نویسندگان: Abhijit S. Pandya, Robert B. Macy سری: ISBN (شابک) : 0849394627, 9780849394621 ناشر: CRC-Press سال نشر: 1995 تعداد صفحات: 0 زبان: English فرمت فایل : CHM (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
در صورت تبدیل فایل کتاب Pattern Recognition with Neural Networks in C++ 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 شناخت الگوی با شبکه های عصبی در ج 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.
افزودن محاسبات شبکه عصبی مصنوعی به تشخیص الگوی سنتی باعث ایجاد یک روش جدید، متفاوت و قدرتمندتر شده است که در این کتاب جالب ارائه شده است. این یک راهنمای عملی برای کاربرد شبکه های عصبی مصنوعی است. شناسایی الگو با شبکههای عصبی در C++ که برای متخصص طراحی شده است، طبقهبندی الگوها و رویکردهای شبکه عصبی را در چارچوب یکسانی پوشش میدهد. از طریق ارائه نظریه اساسی کتاب و مثالهای عملی متعدد، خوانندگان به درک درستی دست مییابند که به آنها اجازه میدهد تا انتخابهای طراحی عاقلانهای داشته باشند که کاربردهای عصبی را قابل پیشبینی و مؤثر میسازد. این کتاب توضیحی بصری از هر روش برای هر پارادایم شبکه ارائه می دهد. این بحث در صورت لزوم توسط یک رویکرد ریاضی دقیق پشتیبانی می شود. C++ به عنوان ابزاری غنی و توصیفی ظهور کرده است که به وسیله آن می توان مفاهیم، مدل ها یا الگوریتم ها را به طور دقیق توصیف کرد. برای بسیاری از مدلهای شبکه عصبی مورد بحث، برنامههای C++ برای پیادهسازی واقعی ارائه شدهاند. نمودارهای تصویری و بحث های عمیق هر موضوع را توضیح می دهند. مراحل مشتق لازم برای مدلهای ریاضی گنجانده شده است تا خوانندگان بتوانند ایدههای جدید را در برنامههای خود با پیشرفت زمینه با پیشرفتهای جدید وارد کنند. برای هر رویکرد، نویسندگان به وضوح نتایج نظری شناخته شده، گرایش های شناخته شده رویکرد، و توصیه های خود را برای گرفتن بهترین نتایج از روش بیان می کنند. مطالب پوشش داده شده در این کتاب برای مهندسان شاغل با پیشینه کم یا بدون پیشینه واضح در شبکه های عصبی قابل دسترسی است. با این حال، مطالب با عمق کافی ارائه شده است تا کسانی که دانش قبلی دارند این کتاب را مفید بدانند. تشخیص الگو با شبکه های عصبی در ++C نیز برای دوره های شبکه های عصبی در سطح پیشرفته کارشناسی یا کارشناسی ارشد مناسب است. این کتاب برای تحقیقات علمی و عملی ارزشمند است.
The addition of artificial neural network computing to traditional pattern recognition has given rise to a new, different, and more powerful methodology that is presented in this interesting book. This is a practical guide to the application of artificial neural networks. Geared toward the practitioner, Pattern Recognition with Neural Networks in C++ covers pattern classification and neural network approaches within the same framework. Through the book's presentation of underlying theory and numerous practical examples, readers gain an understanding that will allow them to make judicious design choices rendering neural application predictable and effective. The book provides an intuitive explanation of each method for each network paradigm. This discussion is supported by a rigorous mathematical approach where necessary. C++ has emerged as a rich and descriptive means by which concepts, models, or algorithms can be precisely described. For many of the neural network models discussed, C++ programs are presented for the actual implementation. Pictorial diagrams and in-depth discussions explain each topic. Necessary derivative steps for the mathematical models are included so that readers can incorporate new ideas into their programs as the field advances with new developments. For each approach, the authors clearly state the known theoretical results, the known tendencies of the approach, and their recommendations for getting the best results from the method. The material covered in the book is accessible to working engineers with little or no explicit background in neural networks. However, the material is presented in sufficient depth so that those with prior knowledge will find this book beneficial. Pattern Recognition with Neural Networks in C++ is also suitable for courses in neural networks at an advanced undergraduate or graduate level. This book is valuable for academic as well as practical research.