دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Marvin L.
سری:
ISBN (شابک) : 1539701956, 9781539701958
ناشر: CreateSpace Independent Publishing Platform
سال نشر: 2016
تعداد صفحات: 231
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب شبکه های عصبی با متلب: شبکه های عصبی، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری
در صورت تبدیل فایل کتاب NEURAL NETWORKS with MATLAB 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 با متلب 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.
جعبه ابزار شبکه عصبی الگوریتم ها، توابع و برنامه هایی را برای ایجاد، آموزش، تجسم و شبیه سازی شبکه های عصبی ارائه می دهد. میتوانید طبقهبندی، رگرسیون، خوشهبندی، کاهش ابعاد، پیشبینی سریهای زمانی و مدلسازی و کنترل سیستم پویا را انجام دهید. جعبه ابزار شامل شبکه عصبی کانولوشن و الگوریتم های یادگیری عمیق رمزگذار خودکار برای طبقه بندی تصاویر و وظایف یادگیری ویژگی است. برای سرعت بخشیدن به آموزش مجموعه داده های بزرگ، می توانید محاسبات و داده ها را با استفاده از جعبه ابزار محاسبات موازی بین پردازنده های چند هسته ای، پردازنده های گرافیکی و خوشه های کامپیوتری توزیع کنید. ویژگیهای مهمتر عبارتند از: • یادگیری عمیق، از جمله شبکههای عصبی کانولوشن و رمزگذارهای خودکار • محاسبات موازی و پشتیبانی از GPU برای تسریع آموزش (با جعبه ابزار محاسبات موازی • الگوریتمهای یادگیری تحت نظارت، از جمله چند لایه، مبنای شعاعی، کوانتیزهسازی برداری یادگیری (LVQ) تاخیر زمانی، اتورگرسیو غیرخطی (NARX) و شبکه عصبی مکرر (RNN) •الگوریتم های یادگیری بدون نظارت، شامل نقشه های خودسازماندهی و لایه های رقابتی •برنامه هایی برای تطبیق داده ها، تشخیص الگو و خوشه بندی •پیش پردازش، پس پردازش و تجسم شبکه برای بهبود کارایی آموزش و ارزیابی عملکرد شبکه • بلوک های سیمولینک برای ساخت و ارزیابی شبکه های عصبی و برای کاربردهای سیستم های کنترل
Neural Network Toolbox provides algorithms, functions, and apps to create, train, visualize, and simulate neural networks. You can perform classification, regression, clustering, dimensionality reduction, time-series forecasting, and dynamic system modeling and control. The toolbox includes convolutional neural network and autoencoder deep learning algorithms for image classification and feature learning tasks. To speed up training of large data sets, you can distribute computations and data across multicore processors, GPUs, and computer clusters using Parallel Computing Toolbox. The more importan features are de next: •Deep learning, including convolutional neural networks and autoencoders •Parallel computing and GPU support for accelerating training (with Parallel Computing Toolbox •Supervised learning algorithms, including multilayer, radial basis, learning vector quantization (LVQ), time-delay, nonlinear autoregressive (NARX), and recurrent neural network (RNN) •Unsupervised learning algorithms, including self-organizing maps and competitive layers •Apps for data-fitting, pattern recognition, and clustering •Preprocessing, postprocessing, and network visualization for improving training efficiency and assessing network performance •Simulink blocks for building and evaluating neural networks and for control systems applications