توضیحات
Providing a broad but in-depth introduction to neural network and machine learning in a statistical framework, this book provides a single, comprehensive resource for study and further research. All the major popular neural network models and statistical learning approaches are covered with examples and exercises in every chapter to develop a practical working understanding of the content.
Each of the twenty-five chapters includes state-of-the-art descriptions and important research results on the respective topics. The broad coverage includes the multilayer perceptron, the Hopfield network, associative memory models, clustering models and algorithms, the radial basis function network, recurrent neural networks, principal component analysis, nonnegative matrix factorization, independent component analysis, discriminant analysis, support vector machines, kernel methods, reinforcement learning, probabilistic and Bayesian networks, data fusion and ensemble learning, fuzzy sets and logic, neurofuzzy models, hardware implementations, and some machine learning topics. Applications to biometric/bioinformatics and data mining are also included.
Focusing on the prominent accomplishments and their practical aspects, academic and technical staff, graduate students and researchers will find that this provides a solid foundation and encompassing reference for the fields of neural networks, pattern recognition, signal processing, machine learning, computational intelligence,
and data mining.
————————————————————–
ترجمه ماشینی :
این کتاب با ارائه مقدمه ای گسترده اما عمیق بر شبکه های عصبی و یادگیری ماشین در یک چارچوب آماری، منبعی واحد و جامع برای مطالعه و تحقیقات بیشتر فراهم می کند. همه مدلهای رایج شبکه عصبی محبوب و رویکردهای یادگیری آماری با مثالها و تمرینهایی در هر فصل پوشانده شدهاند تا درک عملی از محتوا ایجاد شود.
هر یک از فصلهای بیست و پنجگانه شامل وضعیتهای موجود است. -توضیحات هنری و نتایج تحقیقات مهم در مورد موضوعات مربوطه. پوشش گسترده شامل پرسپترون چندلایه، شبکه هاپفیلد، مدلهای حافظه انجمنی، مدلها و الگوریتمهای خوشهبندی، شبکه تابع پایه شعاعی، شبکههای عصبی مکرر، تجزیه و تحلیل مؤلفههای اصلی، فاکتورسازی ماتریس غیرمنفی، تحلیل مؤلفههای مستقل، تجزیه و تحلیل متمایز، ماشینهای بردار پشتیبان، روشهای هسته، یادگیری تقویتی، شبکههای احتمالی و بیزی، ترکیب دادهها و یادگیری مجموعه، مجموعههای فازی و منطق، مدلهای عصبی فازی، پیادهسازی سختافزار، و برخی موضوعات یادگیری ماشین. برنامه های کاربردی برای بیومتریک/بیوانفورماتیک و داده کاوی نیز گنجانده شده است.
با تمرکز بر دستاوردهای برجسته و جنبه های عملی آنها، کارکنان دانشگاهی و فنی، دانشجویان فارغ التحصیل و محققان متوجه خواهند شد که این یک پایه محکم و مرجع فراگیر برای زمینه های شبکه های عصبی، تشخیص الگو، پردازش سیگنال، یادگیری ماشین، هوش محاسباتی،
و داده کاوی.
tag : دانلود کتاب شبکه های عصبی و یادگیری آماری , Download شبکه های عصبی و یادگیری آماری , دانلود شبکه های عصبی و یادگیری آماری , Download Neural Networks and Statistical Learning Book , شبکه های عصبی و یادگیری آماری دانلود , buy شبکه های عصبی و یادگیری آماری , خرید کتاب شبکه های عصبی و یادگیری آماری , دانلود کتاب Neural Networks and Statistical Learning , کتاب Neural Networks and Statistical Learning , دانلود Neural Networks and Statistical Learning , خرید Neural Networks and Statistical Learning , خرید کتاب Neural Networks and Statistical Learning ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.