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: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Teuvo Kohonen. سری: ناشر: سال نشر: تعداد صفحات: 0 زبان: English فرمت فایل : DOC (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 39 مگابایت
در صورت تبدیل فایل کتاب Self-Organizin Maps 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 نقشه های خودسازماندهی 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.
مونوگرافی. ویرایش سوم با 129 شکل و 22 جدول.
- برلین; هایدلبرگ؛ نیویورک؛ بارسلونا؛ هنگ کنگ؛ لندن; میلان؛
پاریس؛ سنگاپور؛ توکیو: اسپرینگر، 2001. (سری اسپرینگر در علوم
اطلاعات؛ 30). ISBN 3-540-67921-9
کلاسیچهاسکایه مونوگرافی از نویسندگان فقط سازمانی.
پیشگفتار چاپ اول
کتابی که در دست داریم، چهارمین تک نگاری است که برای
Springer-Verlag نوشتم. الگوریتم قبلی به نام "خودسازماندهی و
حافظه انجمنی" (سری اسپرینگر در علوم اطلاعات، جلد 8) در سال 1984
منتشر شد. از آن زمان الگوریتم های شبکه عصبی خود سازماندهی به
نام SOM و LVQ بسیار محبوب شده اند. از بسیاری از آثار بررسی شده
در فصل دیده می شود.
9. نتایج جدیدی که در حدود ده سال گذشته به دست آمده است، یک تک
نگاری جدید را تضمین کرده است. در طول این سالها من همچنین به
سوالات زیادی پاسخ داده ام. آنها بر محتویات کتاب حاضر تأثیر
گذاشته اند.
امیدوارم برای خوانندگان جالب و مفید باشد اگر اکنون ابتدا به طور
خلاصه مراحل مختلفی را که منجر به تحقیق SOM فعلی من شد و دلایل
زیربنای هر یک را شرح دهم. گام جدید.
پیشگفتار ویرایش دوم
نسخه دوم و اصلاح شده این کتاب زودتر از آنچه در ابتدا برنامه
ریزی شده بود منتشر شد. دلیل اصلی این بود که نتایج مهم جدیدی
بهتازگی بهدست آمده بود.
ASSOM (Adaptive-Subspace SOM) یک معماری جدید است که در آن
آشکارسازهای ویژگیهای ثابت در یک فرآیند یادگیری بدون نظارت ظاهر
میشوند. اصل اساسی آن قبلاً در چاپ اول مطرح شده بود، اما انگیزه
و بحث نظری در چاپ دوم دقیق تر و نتیجه بخش تر است. مطالب جدیدی
به بخش اضافه شده است. 5.9 و این بخش به طور کامل بازنویسی شده
است. به همین ترتیب، بخش. 1.4 که به طور کلی به
طبقهبندیکنندههای زیرفضای تطبیقی میپردازد و پیشنیاز اصل
ASSOM را تشکیل میدهد، نیز به طور کامل بسط و بازنویسی شده
است.
یکی دیگر از توسعههای جدید SOM، WEBSOM است، یک معماری دو لایه
که برای سازماندهی فضاهای بسیار بزرگ در نظر گرفته شده است.
مجموعه ای از اسناد تمام متنی مانند مواردی که در اینترنت و وب
جهانی یافت می شود. این معماری پس از انتشار اولین نسخه منتشر شد.
این ایده و نتایج آنقدر مهم به نظر می رسید که فرقه جدید. 7.8
اکنون به ویرایش دوم اضافه شده است.
پیشگفتار ویرایش سوم
از آنجایی که ویرایش دوم این کتاب در اوایل سال 1997 منتشر شد،
تعداد مقالات علمی منتشر شده در تاریخ نقشه خودسازماندهی (SOM) از
حدود 1500 به 4000
افزایش یافته است. همچنین، دو کارگاه ویژه اختصاص داده شده به SOM
سازماندهی شده است، بدون اینکه به جلسات متعدد SOM در کنفرانس های
شبکه عصبی اشاره کنیم. با توجه به این علاقه فزاینده، انجام
بازنگری های گسترده در این کتاب مطلوب احساس می شد. آنها ماهیت
زیر دارند.
تحلیل الگوی آماری اکنون با دقت بیشتری نسبت به قبل مورد بررسی
قرار گرفته است. بحث مفصل تری در مورد بردارهای ویژه و مقادیر
ویژه ماتریس های متقارن، که معمولاً در آمار با آن مواجه می شوند،
در بخش آورده شده است. 1.1.3; همچنین مفاهیم احتمالی جدیدی مانند
تحلیل عاملی در بخش مورد بحث قرار گرفته است.
1.3.1. بررسی روشهای پیشبینی (بخش 1.3.2) اضافه شده است تا SOM
را به پارادایمهای کلاسیک مرتبط کند.
کوانتیزاسیون برداری اکنون در یک بخش اصلی و استخراج چگالی نقطه
بردارهای کتاب کد مورد بحث قرار میگیرد. با استفاده از حساب
تغییرات اضافه شده است تا خواننده را با این تحلیل آماری پیچیده
آشنا کند.
Монография. Third Edition With 129 Figures and 22 Tables.
- Berlin; Heidelberg; New York; Barcelona; Hong Kong; London;
Milan; Paris; Singapore; Tokyo: Springer, 2001. (Springer
series in information sciences; 30). ISBN 3-540-67921-9
Классическая монография от автора самоорганизующихся нейронных
сетей.
Preface to the First Edition
The book we have at hand is the fourth monograph I wrote for
Springer-Verlag. The previous one named "Self-Organization and
Associative Memory" (Springer Series in Information Sciences,
Volume 8) came out in 1984. Since then the self-organizing
neural-network algorithms called SOM and LVQ have become very
popular, as can be seen from the many works reviewed in
Chap.
9. The new results obtained in the past ten years or so have
warranted a new monograph. Over these years I have also
answered lots of questions; they have influenced the contents
of the present book.
I hope it would be of some interest and help to the readers if
I now first very briefly describe the various phases that led
to my present SOM research, and the reasons underlying each new
step.
Preface to the Second Edition
The second, revised edition of this book came out sooner than
originally planned. The main reason was that new important
results had just been obtained.
The ASSOM (Adaptive-Subspace SOM) is a new architecture in
which invariant-feature detectors emerge in an unsupervised
learning process. Its basic principle was already introduced in
the first edition, but the motivation and theoretical
discussion in the second edition is more thorough and
consequent. New material has been added to Sect. 5.9 and this
section has been rewritten totally. Correspondingly, Sect. 1.4
that deals with adaptive-subspace classifiers in general and
constitutes the prerequisite for the ASSOM principle has also
been extended and rewritten totally.
Another new SOM development is the WEBSOM, a two-layer
architecture intended for the organization of very large
collections of full-text documents such as those found in the
Internet and World Wide Web. This architecture was published
after the first edition came out. The idea and results seemed
to be so important that the new Sect. 7.8 has now been added to
the second edition.
Preface to the Third Edition
Since the second edition of this book came out in early 1997,
the number of scientific papers published on the
Self-Organizing Map (SOM) has increased from about 1500 to
some
4000. Also, two special workshops dedicated to the SOM have
been organized, not to mention numerous SOM sessions in
neural-network conferences. In view of this growing interest it
was felt desirable to make extensive revisions to this book.
They are of the following nature.
Statistical pattern analysis has now been approached more
carefully than earlier. A more detailed discussion of the
eigenvectors and eigenvalues of symmetric matrices, which are
the type usually encountered in statistics, has been included
in Sect. 1.1.3; also, new probabilistic concepts, such as
factor analysis, have been discussed in Sect.
1.3.1. A survey of projection methods (Sect. 1.3.2) has been
added, in order to relate the SOM to classical paradigms.
Vector Quantization is now discussed in one main section, and
derivation of the point density of the codebook vectors using
the calculus of variations has been added, in order to
familiarize the reader with this otherwise complicated
statistical analysis.