دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Principal Component Analysis Networks and Algorithms
دانلود کتاب شبکه‌ها و الگوریتم‌های تحلیل مؤلفه‌های اصلی
مشخصات کتاب
Principal Component Analysis Networks and Algorithms
ویرایش: نویسندگان: Duan. Zhansheng, Hu. Changhua, Kong. Xiangyu سری: ISBN (شابک) : 9789811029158, 9811029156 ناشر: Springer Singapore سال نشر: 2017 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
قیمت کتاب (تومان) : 32,000
کلمات کلیدی مربوط به کتاب شبکه‌ها و الگوریتم‌های تحلیل مؤلفه‌های اصلی: ریاضیات--کاربردی،ریاضیات--احتمال و آمار--عمومی،تحلیل اجزای اصلی،کتابهای الکترونیک،ریاضیات -- کاربردی،ریاضیات -- احتمال و آمار -- عمومی
در صورت تبدیل فایل کتاب Principal Component Analysis Networks and Algorithms 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 شبکه‌ها و الگوریتم‌های تحلیل مؤلفه‌های اصلی 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 شبکه‌ها و الگوریتم‌های تحلیل مؤلفه‌های اصلی
مقدمه -- ارزش ویژه و تجزیه ارزش تکین -- شبکه های عصبی تحلیل مولفه های اصلی -- شبکه های عصبی تحلیل مولفه های جزئی -- روش های دو منظوره برای تجزیه و تحلیل مؤلفه های اصلی و فرعی -- سیستم زمان گسسته قطعی برای روش های PCA یا MCA -- روش استخراج ویژگی تعمیم یافته - تجزیه و تحلیل مولفه های اصلی همراه - شبکه های عصبی استخراج ویژگی های منفرد.؛ این کتاب نه تنها مقدمه ای جامع بر روش های PCA مبتنی بر عصبی در علم کنترل ارائه می دهد، بلکه بسیاری از الگوریتم های جدید PCA و بسط و تعمیم آنها را نیز ارائه می دهد، به عنوان مثال، هدف دوگانه. الگوریتم‌های PCA جفت شده، GED، الگوریتم‌های SVD مبتنی بر عصبی، و غیره. همچنین روش‌های تحلیل مختلفی را برای همگرایی، تثبیت، ویژگی خودپایداری الگوریتم‌ها مورد بحث قرار می‌دهد و روش سیستم‌های زمان گسسته قطعی را برای تجزیه و تحلیل همگرایی PCA/ معرفی می‌کند. الگوریتم های MCA خوانندگان باید با تجزیه و تحلیل عددی و مبانی آمار، مانند اصول حداقل مربعات و الگوریتم های تصادفی آشنا باشند. اگرچه این کتاب بر روی شبکه های عصبی تمرکز دارد، اما این کتاب فقط قانون یادگیری آنها را ارائه می دهد که به سادگی یک الگوریتم تکراری است. بنابراین، هیچ دانش پیشینی از شبکه های عصبی مورد نیاز نیست. این کتاب برای محققان و دانشجویان در ریاضیات کاربردی، آمار، مهندسی و سایر زمینه های مرتبط مورد توجه و مرجع قرار خواهد گرفت.
توضیحاتی درمورد کتاب به خارجی
Introduction -- Eigenvalue and singular value decomposition -- Principal component analysis neural networks -- Minor component analysis neural networks -- Dual purpose methods for principal and minor component analysis -- Deterministic discrete time system for PCA or MCA methods -- Generalized feature extraction method -- Coupled principal component analysis -- Singular feature extraction neural networks.;This book not only provides a comprehensive introduction to neural-based PCA methods in control science, but also presents many novel PCA algorithms and their extensions and generalizations, e.g., dual purpose, coupled PCA, GED, neural based SVD algorithms, etc. It also discusses in detail various analysis methods for the convergence, stabilizing, self-stabilizing property of algorithms, and introduces the deterministic discrete-time systems method to analyze the convergence of PCA/MCA algorithms. Readers should be familiar with numerical analysis and the fundamentals of statistics, such as the basics of least squares and stochastic algorithms. Although it focuses on neural networks, the book only presents their learning law, which is simply an iterative algorithm. Therefore, no a priori knowledge of neural networks is required. This book will be of interest and serve as a reference source to researchers and students in applied mathematics, statistics, engineering, and other related fields.
فهرست مطالب
Front Matter....Pages i-xxii
Introduction....Pages 1-16
Matrix Analysis Basics....Pages 17-46
Neural Networks for Principal Component Analysis....Pages 47-73
Neural Networks for Minor Component Analysis....Pages 75-110
Dual Purpose for Principal and Minor Component Analysis....Pages 111-148
Deterministic Discrete-Time System for the Analysis of Iterative Algorithms....Pages 149-184
Generalized Principal Component Analysis....Pages 185-233
Coupled Principal Component Analysis....Pages 235-279
Singular Feature Extraction and Its Neural Networks....Pages 281-323
