ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Practical Neural Network Recipes in C++

دانلود کتاب دستور العمل های کاربردی شبکه عصبی در C++

Practical Neural Network Recipes in C++

مشخصات کتاب

Practical Neural Network Recipes in C++

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9780080514338 
ناشر: Elsevier Inc 
سال نشر: 1993 
تعداد صفحات: 490 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 30 مگابایت 

قیمت کتاب (تومان) : 35,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


در صورت تبدیل فایل کتاب Practical Neural Network Recipes 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 دستور العمل های کاربردی شبکه عصبی در C++ 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.


توضیحاتی در مورد کتاب دستور العمل های کاربردی شبکه عصبی در C++

این متن به عنوان یک کتاب آشپزی برای راه حل های شبکه عصبی برای مسائل عملی با استفاده از C++ عمل می کند. به کسانی که تجربه برنامه نویسی متوسطی دارند این امکان را می دهد تا یک مدل شبکه عصبی مناسب برای حل یک مشکل خاص را انتخاب کنند و یک برنامه کاری برای اجرای آن شبکه تولید کنند. این کتاب در کل مسیر حل مسئله، از جمله طراحی مجموعه آموزشی، پیش پردازش متغیرها، آموزش و اعتبارسنجی شبکه و ارزیابی عملکرد آن، راهنمایی می کند. اگرچه این کتاب به عنوان یک درس عمومی در شبکه های عصبی در نظر گرفته نشده است، اما هیچ پیشینه ای در زمینه کارهای عصبی در نظر گرفته نشده است و همه مدل ها از پایه ارائه شده اند.
تمرکز اصلی کتاب شبکه سه لایه پیشخور است، برای بیش از یک دهه به عنوان اسب کار زرادخانه های حرفه ای. سایر مدل‌های شبکه با رکوردهای عملکرد قوی نیز گنجانده شده‌اند.
در کتاب یک دیسکت IBM وجود دارد که شامل کد منبع برای همه برنامه‌های موجود در کتاب است. بسیاری از این کد را می توان به راحتی با کامپایلرهای C تطبیق داد. علاوه بر این، عملکرد همه برنامه ها به طور کامل هم در متن و هم در نظرات درون کد مورد بحث قرار می گیرد تا ترجمه به زبان های دیگر تسهیل شود.


توضیحاتی درمورد کتاب به خارجی

This text serves as a cookbook for neural network solutions to practical problems using C++. It will enable those with moderate programming experience to select a neural network model appropriate to solving a particular problem, and to produce a working program implementing that network. The book provides guidance along the entire problem-solving path, including designing the training set, preprocessing variables, training and validating the network, and evaluating its performance. Though the book is not intended as a general course in neural networks, no background in neural works is assumed and all models are presented from the ground up.
The principle focus of the book is the three layer feedforward network, for more than a decade as the workhorse of professional arsenals. Other network models with strong performance records are also included.
Bound in the book is an IBM diskette that includes the source code for all programs in the book. Much of this code can be easily adapted to C compilers. In addition, the operation of all programs is thoroughly discussed both in the text and in the comments within the code to facilitate translation to other languages.



فهرست مطالب

Content: 
Front Matter, Page iii
Copyright, Page iv
LIMITED WARRANTY AND DISCLAIMER OF LIABILITY, Page v
Dedication, Page vii
Preface, Pages xvii-xviii
1 - Foundations, Pages 1-14
2 - Classification, Pages 15-22
3 - Autoassociation, Pages 23-45
4 - Time-Series Prediction, Pages 47-66
5 - Function Approximation, Pages 67-76
6 - Multilayer Feedforward Networks, Pages 77-116
7 - Eluding Local Minima I: Simulated Annealing, Pages 117-134
8 - Eluding Local Minima II: Genetic Optimization, Pages 135-164
9 - Regression and Neural Networks, Pages 165-171
10 - Designing Feedforward Network Architectures, Pages 173-185
11 - Interpreting Weights: How Does This Thing Work?, Pages 187-199
12 - Probabilistic Neural Networks, Pages 201-222
13 - Functional Link Networks, Pages 223-230
14 - Hybrid Networks, Pages 231-244
15 - Designing the Training Set, Pages 245-252
16 - Preparing Input Data, Pages 253-278
17 - Fuzzy Data and Processing, Pages 279-326
18 - Unsupervised Training, Pages 327-341
19 - Evaluating Performance of Neural Networks, Pages 343-360
20 - Confidence Measures, Pages 361-387
21 - Optimizing the Decision Threshold, Pages 389-401
22 - Using the NEURAL Program, Pages 403-421
Appendix, Pages 423-477
Bibliography, Pages 479-490
Index, Pages 491-493




نظرات کاربران