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 Space-Time Computing with Temporal Neural Networks

دانلود کتاب محاسبات فضا-زمان با شبکه های عصبی زمانی

مشخصات کتاب

Space-Time Computing with Temporal Neural Networks

ویرایش:  
نویسندگان: James E. Smith  
سری: Synthesis Lectures on Computer Architecture 
ISBN (شابک) : 9781627058902 
ناشر: Morgan & Claypool 
سال نشر: 2017 
تعداد صفحات: 217 
زبان: english 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت

قیمت کتاب (تومان) : 28,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 3

در صورت تبدیل فایل کتاب Space-Time Computing with Temporal 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 محاسبات فضا-زمان با شبکه های عصبی زمانی 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 محاسبات فضا-زمان با شبکه های عصبی زمانی

درک و اجرای پارادایم محاسباتی مغز یکی از چالش‌های بزرگ واقعی است که محققان رایانه با آن روبرو هستند. نه تنها توانایی های محاسباتی مغز بسیار فراتر از رایانه های معمولی است، بلکه بهره وری انرژی آن واقعاً قابل توجه است. این کتاب که از دیدگاه یک طراح کامپیوتر نوشته شده است و محققان رایانه را هدف قرار داده است، در نظر گرفته شده است که هم پس‌زمینه‌ای ارائه دهد و هم یک دوره اقدام برای مطالعه پارادایم محاسباتی مغز ارائه دهد. این شامل ترکیبی از مفاهیم و ایده های برگرفته از علوم اعصاب محاسباتی است که با مفاهیم نویسنده ترکیب شده است. به عنوان پس‌زمینه، ویژگی‌های بیولوژیکی مرتبط از نظر ویژگی‌های محاسباتی و ارتباطی آن‌ها توصیف می‌شوند. نئوکورتکس مغز از نورون‌های به هم پیوسته عظیمی ساخته شده است که از طریق افزایش‌های ولتاژ محاسبه و ارتباط برقرار می‌کنند، و می‌توان استدلال محکمی داشت مبنی بر اینکه زمان‌بندی دقیق سنبله یک عنصر ضروری از پارادایم است. با استفاده از ویژگی های بیولوژیکی، یک پارادایم محاسباتی مبتنی بر ریاضیات ساخته شده است. ویژگی کلیدی نورون‌هایی است که با تاکید بر زمان، ارتباط و پردازش را در فضا-زمان انجام می‌دهند. در این پارادایم ها، زمان به عنوان یک منبع آزادانه در دسترس هم برای ارتباطات و هم برای محاسبات استفاده می شود. مدل های نورونی ابتدا به طور کلی مورد بحث قرار می گیرند و یکی برای توسعه دقیق انتخاب می شود. با استفاده از این مدل، ابتدا محاسبات تک نورون بررسی می شود. ورودی های نورون به صورت الگوهای سنبله کدگذاری می شوند و نورون برای شناسایی شباهت های الگوی ورودی آموزش دیده است. نورون‌های منفرد بلوک‌های سازنده برای ساخت مجموعه‌های بزرگ‌تر هستند که به آنها «ستون» می‌گویند. این ستون ها به شیوه ای بدون نظارت آموزش داده می شوند و به طور جمعی برای انجام عملکرد شناختی اولیه خوشه بندی الگوها عمل می کنند. الگوهای ورودی مشابه به مجموعه ای بسیار کوچکتر از الگوهای خروجی مشابه نگاشت می شوند، در نتیجه الگوهای ورودی را به خوشه های قابل شناسایی تقسیم می کنند. سیستم های شناختی بزرگتر با ترکیب ستون ها در یک معماری سلسله مراتبی شکل می گیرند. این معماری های سطح بالاتر موضوع مطالعه مداوم هستند و پیشرفت تا به امروز به تفصیل در فصل های بعدی شرح داده شده است. شبیه سازی نقش عمده ای در توسعه مدل ایفا می کند و زیرساخت شبیه سازی توسعه یافته توسط نویسنده شرح داده شده است.

توضیحاتی درمورد کتاب به خارجی

Understanding and implementing the brain's computational paradigm is the one true grand challenge facing computer researchers. Not only are the brain's computational capabilities far beyond those of conventional computers, its energy efficiency is truly remarkable. This book, written from the perspective of a computer designer and targeted at computer researchers, is intended to give both background and lay out a course of action for studying the brain's computational paradigm. It contains a mix of concepts and ideas drawn from computational neuroscience, combined with those of the author. As background, relevant biological features are described in terms of their computational and communication properties. The brain's neocortex is constructed of massively interconnected neurons that compute and communicate via voltage spikes, and a strong argument can be made that precise spike timing is an essential element of the paradigm. Drawing from the biological features, a mathematics-based computational paradigm is constructed. The key feature is spiking neurons that perform communication and processing in space-time, with emphasis on time. In these paradigms, time is used as a freely available resource for both communication and computation. Neuron models are first discussed in general, and one is chosen for detailed development. Using the model, single-neuron computation is first explored. Neuron inputs are encoded as spike patterns, and the neuron is trained to identify input pattern similarities. Individual neurons are building blocks for constructing larger ensembles, referred to as "columns". These columns are trained in an unsupervised manner and operate collectively to perform the basic cognitive function of pattern clustering. Similar input patterns are mapped to a much smaller set of similar output patterns, thereby dividing the input patterns into identifiable clusters. Larger cognitive systems are formed by combining columns into a hierarchical architecture. These higher level architectures are the subject of ongoing study, and progress to date is described in detail in later chapters. Simulation plays a major role in model development, and the simulation infrastructure developed by the author is described.