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: شبکه سازی ویرایش: نویسندگان: Daniel Graupe سری: Advanced Series in Circuits and Systems, Vol 3 ISBN (شابک) : 9789810225162, 9810225164 ناشر: World Scientific Publishing Company سال نشر: 1997 تعداد صفحات: 252 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب Principles of artificial neural networks 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 اصول شبکه های عصبی مصنوعی 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.
این کتاب درسی برای دوره اول کارشناسی ارشد شبکه های عصبی مصنوعی در نظر گرفته شده است. هیچ پیش زمینه قبلی در این موضوع را در نظر نمی گیرد و به دانشجویان کارشناسی ارشد در مهندسی برق، علوم کامپیوتر و رشته های مرتبط با حداقل یک زبان برنامه نویسی یا ابزار برنامه نویسی مانند Matlab که کلاس های پایه کارشناسی را گذرانده اند هدایت می شود. سیستم ها یا در پردازش سیگنال. منحصربهفرد بودن این کتاب در گستره پوشش آن در طیف وسیعی از رویکردهای اصلی شبکه عصبی مصنوعی و در مطالعات موردی عملی گسترده بر روی هر یک از شبکههای عصبی در نظر گرفته شده است. این مطالعات موردی دقیق شامل پرینتها و نتایج کامل برنامه و پرداختن به طیفی از مشکلات، برای نشان دادن توانایی خواننده در حل مسائل از تشخیص گفتار، تشخیص کاراکتر تا کنترل و مشکلات پردازش سیگنال، همه بر اساس پیروی از موارد حاضر است. متن یکی دیگر از جنبههای منحصربهفرد متن، پوشش آن از موضوعات جدید مهم شبکههای تکراری (چرخه زمان) و مشکلات ذخیرهسازی و بازیابی حافظه بزرگ است. این متن همچنین سعی میکند به خواننده نشان دهد که چگونه میتواند یک یا چند شبکه عصبی تحت پوشش را تغییر داده یا ترکیب کند، تا آنها را با یک مشکل معین که به نظر میرسد با هیچ یک از طرحهای استاندارد سازگار نیست، تغییر دهد یا ترکیب کند.
This textbook is intended for a first-year graduate course on Artificial Neural Networks. It assumes no prior background in the subject and is directed to MS students in electrical engineering, computer science and related fields, with background in at least one programming language or in a programming tool such as Matlab, and who have taken the basic undergraduate classes in systems or in signal processing. The uniqueness of the book is in the breadth of its coverage over the range of all major artificial neural network approaches and in extensive hands-on case-studies on each and every neural network considered. These detailed case studies include complete program print-outs and results and deal with a range of problems, to illustrate the reader's ability to solve problems ranging from speech recognition, character recognition to control and signal processing problems, all on the basis of following the present text. Another unique aspect of the text is its coverage of important new topics of recurrent (time-cycling) networks and of large memory storage and retrieval problems. The text also attempts to show the reader how he can modify or combine one or more of the neural networks covered, to tailor them to a given problem which does not appear to fit any of the more standard designs, as is very often the case.