ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 Subspace Learning of Neural Networks

دانلود کتاب آموزش زیرساخت شبکه های عصبی

Subspace Learning of Neural Networks

مشخصات کتاب

Subspace Learning of Neural Networks

ویرایش:  
نویسندگان: , ,   
سری: Automation and control engineering 
ISBN (شابک) : 9781439815366, 1439815364 
ناشر: CRC Press 
سال نشر: 2010 
تعداد صفحات: 257 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 مگابایت 

قیمت کتاب (تومان) : 70,000



کلمات کلیدی مربوط به کتاب آموزش زیرساخت شبکه های عصبی: الگوریتم های کامپیوتری شبکه های عصبی (علوم کامپیوتر).



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 18


در صورت تبدیل فایل کتاب Subspace Learning of 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 آموزش زیرساخت شبکه های عصبی 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 آموزش زیرساخت شبکه های عصبی

مقدمه فصل 1. مقدمه1.1 مقدمه1.1.1 شبکه‌های عصبی خطی1.1.2 یادگیری زیرفضا1.2 الگوریتم‌های یادگیری زیرفضا1.2.1 الگوریتم‌های یادگیری PCA1.2.2 الگوریتم‌های یادگیری MCA1.2.3 الگوریتم‌های یادگیری MCA1.2.3 روش یادگیری ICA.1 روش3.1 روش یادگیری ICA. .3.3 روش DDT1.4 الگوریتم‌های بلوک 1.5 مجموعه داده‌های شبیه‌سازی و نماد1.6 نتیجه‌گیری فصل 2. الگوریتم‌های یادگیری PCA با Constants Learning O2. 1.1 Algorithms2.1.2 Convergence Issue2.2 مجموعه های ثابت 2.2.1 ویژگی های مجموعه های ثابت 2.2.2 شرایط برای مجموعه های ثابت 2. /span>
چکیده: مقدمه فصل 1. Introduction1.1 Introduction1.1.1 شبکه های عصبی خطی1.1.2 یادگیری زیرفضا1.2 الگوریتم های یادگیری زیرفضا1.2.1 الگوریتم های یادگیری PCA1.2.2 الگوریتم های یادگیری MCA1.2. الگوریتم‌های یادگیری1.3 روش‌های تحلیل همگرایی1.3.1 روش SDT1.3.2 روش DCT1.3.3 روش DDT1.4 الگوریتم‌های بلوک1.5 مجموعه داده‌های شبیه‌سازی و نماد1.6 نتیجه‌گیری فصل 2. PCA ConclusionsHapter 2. PCA ConclusionsAlgorithm 1.1 الگوریتم ها 2.1.2 مسئله همگرایی 2.2 مجموعه های ثابت 2.2.1 ویژگی های مجموعه های ثابت 2.2.2 شرایط برای مجموعه های ثابت 2


توضیحاتی درمورد کتاب به خارجی

PrefaceChapter 1. Introduction1.1 Introduction1.1.1 Linear Neural Networks1.1.2 Subspace Learning1.2 Subspace Learning Algorithms1.2.1 PCA Learning Algorithms1.2.2 MCA Learning Algorithms1.2.3 ICA Learning Algorithms1.3 Methods for Convergence Analysis1.3.1 SDT Method1.3.2 DCT Method1.3.3 DDT Method1.4 Block Algorithms1.5 Simulation Data Set and Notation1.6 ConclusionsChapter 2. PCA Learning Algorithms with Constants Learning Rates2.1 Oja's PCA Learning Algorithms2.1.1 The Algorithms2.1.2 Convergence Issue2.2 Invariant Sets2.2.1 Properties of Invariant Sets2.2.2 Conditions for Invariant Sets2. Read more...
Abstract: PrefaceChapter 1. Introduction1.1 Introduction1.1.1 Linear Neural Networks1.1.2 Subspace Learning1.2 Subspace Learning Algorithms1.2.1 PCA Learning Algorithms1.2.2 MCA Learning Algorithms1.2.3 ICA Learning Algorithms1.3 Methods for Convergence Analysis1.3.1 SDT Method1.3.2 DCT Method1.3.3 DDT Method1.4 Block Algorithms1.5 Simulation Data Set and Notation1.6 ConclusionsChapter 2. PCA Learning Algorithms with Constants Learning Rates2.1 Oja's PCA Learning Algorithms2.1.1 The Algorithms2.1.2 Convergence Issue2.2 Invariant Sets2.2.1 Properties of Invariant Sets2.2.2 Conditions for Invariant Sets2



فهرست مطالب

Content: Cover
Title
Copyright
Dedication
Preface
List of Figures
List of Tables
Contents
Chapter 1: Introduction
Chapter 2: PCA Learning Algorithms with Constants Learning Rates
Chapter 3: PCA Learning Algorithms with Adaptive Learning Rates
Chapter 4: GHA PCA Learning Algorithm
Chapter 5: MCA Learning Algorithms
Chapter 6: ICA Learning Algorithms
Chapter 7: Chaotic Behaviors Arising from Learning Algorithms
Chapter 8: Determination of the Number of Principal Directions in a Biologically Plausible PCA Model
Chapter 9: Multi-Block-Based MCA for Nonlinear Surface Fitting Chapter 10: A ICA Algorithm for Extracting Fetal ElectrocardiogramChapter 11: Rigid Medical Image Registration Using PCA Neural Network
Bibliography
Index




نظرات کاربران