توضیحات
Recent advancements in the field of telecommunications, medical imaging and signal processing deal with signals that are inherently time varying, nonlinear and complex-valued. The time varying, nonlinear characteristics of these signals can be effectively analyzed using artificial neural networks. Furthermore, to efficiently preserve the physical characteristics of these complex-valued signals, it is important to develop complex-valued neural networks and derive their learning algorithms to represent these signals at every step of the learning process. This monograph comprises a collection of new supervised learning algorithms along with novel architectures for complex-valued neural networks. The concepts of meta-cognition equipped with a self-regulated learning have been known to be the best human learning strategy. In this monograph, the principles of meta-cognition have been introduced for complex-valued neural networks in both the batch and sequential learning modes. For applications where the computation time of the training process is critical, a fast learning complex-valued neural network called as a fully complex-valued relaxation network along with its learning algorithm has been presented. The presence of orthogonal decision boundaries helps complex-valued neural networks to outperform real-valued networks in performing classification tasks. This aspect has been highlighted. The performances of various complex-valued neural networks are evaluated on a set of benchmark and real-world function approximation and real-valued classification problems.
————————————————————–
ترجمه ماشینی :
پیشرفتهای اخیر در زمینه مخابرات، تصویربرداری پزشکی و پردازش سیگنال با سیگنالهایی سروکار دارد که ذاتاً متغیر، غیرخطی و با ارزش پیچیده هستند. ویژگیهای غیرخطی و متغیر زمان این سیگنالها را میتوان به طور موثر با استفاده از شبکههای عصبی مصنوعی تحلیل کرد. علاوه بر این، برای حفظ کارآمد ویژگیهای فیزیکی این سیگنالهای با ارزش پیچیده، توسعه شبکههای عصبی با ارزش پیچیده و استخراج الگوریتمهای یادگیری آنها برای نمایش این سیگنالها در هر مرحله از فرآیند یادگیری مهم است. این مونوگراف شامل مجموعه ای از الگوریتم های یادگیری نظارت شده جدید به همراه معماری های جدید برای شبکه های عصبی با ارزش پیچیده است. مفاهیم فراشناخت مجهز به یادگیری خودتنظیمی به عنوان بهترین استراتژی یادگیری انسان شناخته شده است. در این مونوگراف، اصول فراشناخت برای شبکه های عصبی با ارزش پیچیده در هر دو حالت یادگیری دسته ای و متوالی معرفی شده است. برای کاربردهایی که زمان محاسبات فرآیند آموزش حیاتی است، یک شبکه عصبی با ارزش پیچیده یادگیری سریع به نام شبکه آرامش کامل با ارزش پیچیده همراه با الگوریتم یادگیری آن ارائه شده است. وجود مرزهای تصمیم متعامد به شبکه های عصبی با ارزش پیچیده کمک می کند تا در انجام وظایف طبقه بندی از شبکه های با ارزش واقعی بهتر عمل کنند. این جنبه برجسته شده است. عملکرد شبکه های عصبی مختلف با ارزش پیچیده بر اساس مجموعه ای از معیارها و تقریب تابع دنیای واقعی و مسائل طبقه بندی با ارزش واقعی ارزیابی می شود.
tag : دانلود کتاب یادگیری نظارت شده با شبکه های عصبی با ارزش پیچیده , Download یادگیری نظارت شده با شبکه های عصبی با ارزش پیچیده , دانلود یادگیری نظارت شده با شبکه های عصبی با ارزش پیچیده , Download Supervised Learning with Complex-valued Neural Networks Book , یادگیری نظارت شده با شبکه های عصبی با ارزش پیچیده دانلود , buy یادگیری نظارت شده با شبکه های عصبی با ارزش پیچیده , خرید کتاب یادگیری نظارت شده با شبکه های عصبی با ارزش پیچیده , دانلود کتاب Supervised Learning with Complex-valued Neural Networks , کتاب Supervised Learning with Complex-valued Neural Networks , دانلود Supervised Learning with Complex-valued Neural Networks , خرید Supervised Learning with Complex-valued Neural Networks , خرید کتاب Supervised Learning with Complex-valued Neural Networks ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.