مشخصات کتاب

Sensory neural networks : lateral inhibition

ویرایش:  
نویسندگان: Nabet. Bahram,  Pinter. Robert B  
سری: CRC revivals 
ISBN (شابک) : 9780203710418, 1351357891 
ناشر: CRC Press 
سال نشر: 2018 
تعداد صفحات: 195 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 12 مگابایت 

در صورت تبدیل فایل کتاب Sensory neural networks : lateral inhibition 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 شبکه های عصبی حسی: مهار جانبی 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 شبکه های عصبی حسی: مهار جانبی

\"اطلاعات حسی قبل از رسیدن به سطوح بالاتر پردازش توسط شبکه‌های عصبی حسی شناسایی و تبدیل می‌شوند. این شبکه‌ها باید وظایف پردازشی قابل توجهی را انجام دهند در حالی که با سطوح زیر سازگار هستند. مهار جانبی مکانیسمی از تعامل عصبی محلی است که خواص جهانی قابل‌توجهی ایجاد می‌کند. این کتاب شبکه‌های عصبی حسی تحت تأثیر مهار جانبی غیرخطی را مورد بحث قرار می‌دهد. ، ارتباط آنها با فعالیت های اخیر در شبکه های عصبی و سیستم های اتصال گرا، استفاده از آنها برای برنامه های کاربردی پردازش تصویر، و کاربرد آنها برای تشخیص حرکت توضیحاتی از فناوری های مختلف پیاده سازی سخت افزار آنالوگ این دسته از شبکه ها شرح داده شده است و نتایج حاصل از پیاده سازی هایی است که تحلیل نظری را تأیید می کند. و کاربردهای فناورانه مطلوب را نشان می دهد. این کتاب همچنین از تکنیک های ریاضی غیرخطی برای تجزیه و تحلیل رفتار زمانی و مکانی مدل های ارائه شده در متن استفاده می کند. شبکه‌های عصبی حسی: بازداری جانبی یک کار میان رشته‌ای است که برای نظریه‌پردازان شبکه‌های عصبی، زیست‌شناسان، طراحان مدار و دانشمندان بینایی مفید خواهد بود.\"-- ارائه شده توسط ناشر. <> span>ادامه مطلب...
چکیده: \"اطلاعات حسی قبل از رسیدن به سطوح بالاتر پردازش توسط شبکه های عصبی حسی شناسایی و تبدیل می شوند. این شبکه ها نیاز به انجام وظایف پردازشی قابل توجهی دارند در حالی که با سطوح زیر سازگار هستند. مهار جانبی مکانیسمی از تعامل عصبی محلی است که خواص جهانی قابل توجهی ایجاد می کند. این کتاب شبکه‌های عصبی حسی تحت تأثیر مهار جانبی غیرخطی را مورد بحث قرار می‌دهد. این ویژگی پایه‌های بیولوژیکی مدل‌های بازداری جانبی، ویژگی‌های محاسباتی این مدل‌ها است که بر رفتار تطبیقی ​​کوتاه‌مدت آن‌ها، ارتباط آن‌ها با فعالیت‌های اخیر در شبکه‌های عصبی و سیستم‌های اتصال‌گرا، استفاده از آن‌ها برای برنامه‌های پردازش تصویر، و کاربرد آن‌ها در تشخیص حرکت تأکید می‌کند. توضیحاتی از فن‌آوری‌های مختلف پیاده‌سازی سخت‌افزار آنالوگ این دسته از شبکه‌ها شرح داده شده و نتایج حاصل از پیاده‌سازی‌هایی که تحلیل نظری را تأیید می‌کنند و کاربردهای فن‌آوری مطلوبی را نشان می‌دهند، ارائه می‌شوند. این کتاب همچنین از تکنیک های ریاضی غیرخطی برای تجزیه و تحلیل رفتار زمانی و مکانی مدل های ارائه شده در متن استفاده می کند. شبکه‌های عصبی حسی: بازداری جانبی یک کار میان رشته‌ای است که برای نظریه‌پردازان شبکه‌های عصبی، زیست‌شناسان، طراحان مدار و دانشمندان بینایی مفید خواهد بود.\"--ارائه شده توسط ناشر

توضیحاتی درمورد کتاب به خارجی

"Sensory information is detected and transformed by sensory neural networks before reaching higher levels of processing. These networks need to perform significant processing tasks while being compatible with the following levels. Lateral inhibition is a mechanism of local neuronal interaction that produces significant global properties. This book discusses those sensory neural networks influenced by nonlinear lateral inhibition. It features biological bases of lateral inhibition models, computational properties of these models that stress their short term adaptive behavior, their relation to recent activity in neural networks and connectionist systems, their use for image processing applications, and their application to motion detection. Descriptions from different technologies of analog hardware implementations of these classes of networks are described and results from implementations that corroborate theoretical analysis and show technologically desirable applications are presented. The book also uses nonlinear mathematical techniques to analyze temporal and spatial behavior of models presented within the text. Sensory Neural Networks: Lateral Inhibition is an interdisciplinary work that will prove useful to neural network theorists, biologists, circuit designers, and vision scientists."--Provided by publisher. Read more...
Abstract: "Sensory information is detected and transformed by sensory neural networks before reaching higher levels of processing. These networks need to perform significant processing tasks while being compatible with the following levels. Lateral inhibition is a mechanism of local neuronal interaction that produces significant global properties. This book discusses those sensory neural networks influenced by nonlinear lateral inhibition. It features biological bases of lateral inhibition models, computational properties of these models that stress their short term adaptive behavior, their relation to recent activity in neural networks and connectionist systems, their use for image processing applications, and their application to motion detection. Descriptions from different technologies of analog hardware implementations of these classes of networks are described and results from implementations that corroborate theoretical analysis and show technologically desirable applications are presented. The book also uses nonlinear mathematical techniques to analyze temporal and spatial behavior of models presented within the text. Sensory Neural Networks: Lateral Inhibition is an interdisciplinary work that will prove useful to neural network theorists, biologists, circuit designers, and vision scientists."--Provided by publisher

فهرست مطالب

Content: Cover
 Half Title
 Title Page
 Copyright Page
 Dedication
 Contents
 1 Introduction
 2 Biological Bases
 2.1 A Brief History of Lateral Inhibition
 2.2 Center-Surround Organization and Receptive Fields
 2.3 Adaptive Lateral Inhibition
 2.4 Evidence for Multiplicative Nonlinear Lateral Inhibition
 2.5 Multiplicative Lateral Inhibition: A Derivation
 2.6 Quantum Absorption Events and Adaptive Changes in Low Pass Filtering
 3 Computational Properties
 3.1 Models
 3.1.1 Additive Models
 3.2 Properties Related to Vision
 3.2.1 Variable â#x80
#x9C
Connection Strengthsâ#x80
#x9D

 3.2.2 Automatic Gain Control. 3.2.3 Some Psychophysical Properties3.2.4 The Coding of Intensity
 4 Nonlinear Lateral Inhibition and Image Processing
 4.1 Introduction
 4.2 Background
 4.3 Implementation
 4.4 Results and Discussion
 5 Modeling the Processing and Perception of Visual Motion
 5.1 Introduction
 5.2 Feature-Matching Schemes
 5.3 Intensity-Based Schemes
 5.3.1 Global Models
 5.3.2 Local Models
 5.4 Shunting Lateral Inhibitory Models
 5.4.1 Directional Selectivity with MLINNs
 5.4.2 Multiplicative Inhibitory Motion Detectors
 5.4.3 Response Characteristics of MIMDs
 5.5 Discussion and Conclusion. 6 Electronic Realization6.1 Associative Memory Chips
 6.2 Learning Chips
 6.3 Sensory Neural Networks
 6.4 Discussion
 6.5 Design Framework for Analog Implementation
 6.6 Design Framework
 6.6.1 Input Sources
 6.6.2 Cell Body and Temporal Characteristics
 6.6.3 Shunting Recurrent Circuitry
 6.6.4 Shunting Non-Recurrent Circuitry
 6.6.5 Summing Circuitry and Excitatory and Inhibitory Connections
 6.6.6 Sigmoidal Nonlinearity
 6.6.7 Interface Circuitry
 6.7 The Choice of Technology
 6.7.1 Gallium Arsenide Framework
 7 Implementation of Shunting Networks with FET Technologies. 7.1 Analog Implementations7.2 Nonlinear Device Characteristics
 7.2.1 N-Channel Si MOSFETâ#x80
#x99
s
 7.2.2 N-Channel GaAs MESFETâ#x80
#x99
s
 7.3 Implementation of Nonsaturating FETâ#x80
#x99
s
 7.4 Implementation of Interconnections
 7.5 Limitations to Performance
 8 Specific Implementation
 8.1 Accuracy
 8.2 Level-Shifting and the Dynamic Range
 8.3 Response to Uniform Input
 8.4 Range Compression and Data Compression
 8.5 Point Source Response
 8.5.1 Intensity Dependence
 8.5.2 Boundary Effects
 8.6 Tunability of Sensitivity
 8.7 Spatial Edge Response
 8.7.1 Intensity Dependence
 8.8 Directional Selectivity. 8.9 Conclusions9 Nonlinear Mathematical Description
 9.1 Stability and Content Addressability
 9.1.1 Stability of the Implemented Network
 9.2 Relation to Adaptive Resonance
 9.3 Volterra-Wiener Series Expansion
 9.4 Temporal Kernels
 9.4.1 First Order Temporal Kernel
 9.4.2 Second Order Temporal Kernel
 9.5 Spatial Kernels
 9.5.1 Zero Order Kernel
 9.5.2 First Order Spatial Kernel
 9.5.3 Second Order Spatial Kernels
 9.5.4 Higher Order Spatial Kernels
 9.5.5 Classification Properties
 9.6 Conclusions
 Bibliography
 Index.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Blackbutterfly Soul Songs

دانلود کتاب C# Development

دانلود کتاب The unleashed scandal: the end of control in the digital age

دانلود کتاب When your life depends on it: lessons from the Antarctic: extreme decision making

دانلود کتاب Learn to Carve Gnomes, Trolls, and Mythical Creatures