ksiegarnia edu sieci neuronowe w przetwarzaniu strumieni danych struktury sieci i algorytmy uczenia 4756

- znaleziono 4 produkty w 2 sklepach

Sieci neuronowe w przetwarzaniu strumieni danych. Struktury sieci i algorytmy uczenia - 2619310230

31,00 zł

Sieci neuronowe w przetwarzaniu strumieni danych. Struktury sieci i algorytmy uczenia Politechnika Wrocławska

INFORMATYKA

Od pewnego czasu obserwuje się wzrost zainteresowania problemami przetwarzania dużych strumieni danych. Monografia Sieci neuronowe przedstawia wyniki prac pięciu autorów dotyczące ich doświadczeń z zastosowaniem sieci neuronowych w przetwarzaniu tego typu danych. Książka obejmuje następujące zagadnienia: - sieci RBF w optymalizacji, - wykrywanie małych zmian w układach chaotycznych, - odporne algorytmy uczenia sieci RBF, - uczenie ortogonalnych sieci neuronowych, - sieci kontekstowe i strumienie danych. We Wprowadzeniu, uzupełnionym bibliografią dotyczącą prezentowanych zagadnień, przedstawiono przegląd problemów przetwarzania dużych strumieni danych. Książka jest przeznaczona dla pracowników naukowych, doktorantów i studentów studiów magisterskich w dziedzinie nauk technicznych i ekonomicznych, zainteresowanych zastosowaniem sieci neuronowych. Spis treści: Rozdział 1. Wprowadzenie Ewa Skubalska-Rafajłowicz 1.1. Przetwarzanie strumieni danych 1.2. Zawartość tematyczna książki Rozdział 2. Sieci RBF w optymalizacji Marek Bazan 2.1. Wprowadzenie 2.2. Aproksymacja funkcji 2.2.1. Zagadnienie interpolacji a zagadnienie aproksymacji 2.2.2. Radialne funkcje bazowe 2.2.3. Przestrzeń funkcji, które można aproksymować 2.2.4. Ograniczenia błędu dla dużej liczby punktów danych 2.2.5. Ograniczenia błędu bez założeń o gęstości siatki 2.2.6. Wskaźniki gęstości danych 2.2.7. Regularyzacja Tichonowa 2.3. Optymalizacja - aproksymacja funkcji celu 2.3.1. Metoda regionu wiarygodności 2.3.2. Metoda SPELROA 2.4. Testy numeryczne 2.4.1. Jakość aproksymacji 2.4.2. Funkcja testowa 2.4.3. Optymalizacja magnesów nadprzewodzących 2.5. Podsumowanie Rozdział 3. Wykrywanie małych zmian w układach chaotycznych Mateusz Tykierko 3.1. Wprowadzenie 3.2. Modelowanie układu chaotycznego 3.2.1. Sieć radialna- RBF 3.2.2. Terminy pomocnicze 3.2.3. Kryterium doboru modelu 3.2.4. Parametr regularyzacji 3.2.5. Radialne funkcje bazowe i ich szerokość 3.2.6. Zbiór uczący 3.2.7. Dobór liczby neuronów 3.2.8. Metoda selekcji postępowej 3.2.9. Przykład obliczeniowy - modelowanie układu Lorenza 3.2.10. Modelowanie z szumem 3.3. Wykrywanie zmian w dynamice układu chaotycznego 3.3.1. Przykład obliczeniowy - wykrywanie zmian w układzie Lorenza 3.4. Podsumowanie Rozdział 4. Odporne algorytmy uczenia sieci RBF Andrzej Rusiecki 4.1. Wprowadzenie 4.1.1. Błędy w danycłi uczących a sieci neuronowe 4.1.2. Dane odstające od ogółu i błędy grube 4.1.3. Modele błędów w danych 4.2. Odporne algorytmy uczenia 4.2.1. Wprowadzenie do odpornych algorytmów uczenia 4.2.2. Odporność na zakłócenia a dobór funkcji błędu 4.3. Odporne algorytmy uczenia sieci sigmoidalnych 4.3.1. Odporny algorytm z kryterium LMLS 4.3.2. Odporny algorytm propagacji wstecznej RBP 4.3.3. Odporny algorytm propagacji wstecznej z wyżarzaniem ARBP 4.3.4. TAO - odporny algorytm propagacji wstecznej 4.3.5. Odporny algorytm LTS 4.4. Odporne algorytmy uczenia sieci o bazacli radialnych 4.4.1. Zastosowanie algorytmu RBP do uczenia sieci RBF 4.4.2. Odporna sieć ARRBFN 4.5. Szybki odporny algorytm uczenia sieci o radialnych funkcjach bazowych 4.6. Przetwarzanie danycłi strumieniowych w zadaniu sterowania...... 4.6.1. Zadanie testowe 4.6.2. Wyniki symulacji 4.7. Podsumowanie Rozdział 5. Uczenie ortogonalnych sieci neuronowych Krzysztof Halawa 5.1. Wprowadzenie 5.2. Struktura sieci 5.3. Metody uczenia 5.4. Szybkie obliczanie wartości wyjść FSNN 5.5. Podsumowanie Rozdział 6. Sieci kontekstowe i strumienie danych Piotr Ciskowski 6.1. Wstęp 6.2. Znaczenie kontekstu w modelowaniu 6.3. Przetwarzanie intensywnych strumieni danych przez sieci neuronowe G.4. Model kontekstowego neuronu 6.5. Porównanie sposobu działania sieci tradycyjnych i kontekstowych 6.6. Uczenie sieci kontekstowych 6.7. Złożoność obliczeniowa sieci kontekstowych 6.8. Przykład zastosowania sieci kontekstowych do wyceny opcji 6.9. Podsumowanie

Sklep: ksiegarnia.edu.pl

Sieci neuronowe do przetwarzania informacji - 2619308145

36,00 zł

Sieci neuronowe do przetwarzania informacji Politechnika Warszawska

INFORMATYKA

Przedstawiono biologiczne podstawy działania neuronu oraz podstawowe modele neuronów i najważniejsze algorytmy uczące. Następnie sieci jednokierunkowe sigmoidalne i ich zastosowanie w przetwarzaniu danych, sieci o radialnych funkcjach bazowych (RBF), sieci rekurencyjne, sieci samoorganizujące poprzez współzawodnictwo neuronów oraz przez wykorzystanie zależności korelacyjnych, sieci neuronowe wykorzystujące logikę rozmytą. Książka jest przeznaczona dla studentów wyższych lat oraz doktorantów. Spis treści (z wydania I): Przedmowa 1. Wstęp 1.1. Podstawy biologiczne działania neuronu 1.2. Pierwsze modele sieci neuronowej 1.3. Przegląd zastosowań sieci neuronowych 2. Modele neuronów i metody ich uczenia 2.1. Perceptron 2.2. Neuron sigmoidalny 2.3. Neuron typu adaline 2.4. Instar i outstar Grossberga 2.5. Neurony typu WTA 2.6. Model neuronu Hebba 2.7. Model stochastyczny neuronu 3. Sieci jednokierunkowe wielowarstwowe typu sigmoidalnego 3.1. Sieć jednowarstwowa 3.2. Sieć wielowarstwowa perceptronowa 3.3. Grafy przepływowe w zastosowaniu do generacji gradientu 3.4. Algorytmy gradientowe uczenia sieci 3.5. Dobór współczynnika uczenia 3.6. Metody heurystyczne uczenia sieci 3.7. Porównanie efektywności algorytmów uczących 3.8. Elementy optymalizacji globalnej 3.9. Metody inicjalizacji wag 4. Problemy praktycznego wykorzystania sieci neuronowych 4.1. Wstępny dobór architektury sieci 4.2. Dobór optymalnej architektury sieci 4.3. Metody rozbudowy sieci 4.4. Dobór próbek uczących sieci 4.5. Wtrącanie szumu do wzorców uczących 4.6. Przykłady zastosowań sieci perceptronowej 5. Sieci neuronowe radialne 5.1. Podstawy matematyczne 5.2. Sieć neuronowa radialna 5.3. Metody uczenia sieci neuronowych radialnych 5.4. Przykład zastosowania sieci radialnej 5.5. Metody doboru liczby funkcji bazowych 5.6. Porównanie sieci radialnych z sieciami sigmoidalnymi 6. Specjalizowane struktury sieci neuronowych 6.1. Sieć kaskadowej korelacji Fahlmana 6.2. Sieć Volterry 7. Sieci rekurencyjne jako pamięci asocjacyjne 7.1. Wprowadzenie 7.2. Siec autoasocjacyjna Hopfielda 7.3. Sieć Hamminga 7.4. Sieć typu BAM 8. Sieci rekurencyjne tworzone na podstawie perceptronu 8.1. Wprowadzenie 8.2. Sieć perceptronowi ze sprzężeniem zwrotnym 8.3. Sieć rekurencyjna Elmana 8.4. Sieć RTRN 9. Sieci samoorganizujące się na zasadzie współzawodnictwa 9.1. Zależności podstawowe sieci samoorganizujących się przez współzawodnictwo 9.2. Algorytmy uczące sieci samoorganizujących 9.3. Sieć odwzorowań jedno- i dwuwymiarowych 9.4. Odwzorowanie Sammona 9.5. Zastosowania sieci samoorganizujących 9.6. Sieć hybrydowa 10. Sieci samoorganizujące typu korelacyjnego 10.1. Funkcja energetyczna sieci korelacyjnych 10.2. Sieci neuronowe PCA 10.3. Sieci neuronowe ICA Heraulta-Juttena 11. Podstawy matematyczne systemów rozmytych 11.1. Operacje na zbiorach rozmytych 11.2. Miary rozmytości zbiorów rozmytych 11.3. Rozmytość a prawdopodobieństwo 11.4. Reguły rozmyte wnioskowania 11.5. Systemy wnioskowania rozmytego Mamdaniego-Zadeha 11.6. Model wnioskowania Takagi-Sugeno-Kanga 12. Sieci neuronowe rozmyte 12.1. Struktura sieci rozmytej TSK 12.2. Struktura sieci Wanga-Mendela 12.3. Algorytm hybrydowy uczenia sieci rozmytych 12.4. Algorytm samoorganizacji w zastosowaniu do uczenia sieci rozmytej 12.5. Adaptacyjny algorytm samoorganizacji dla sieci rozmytej Bibliografia Skorowidz

Sklep: ksiegarnia.edu.pl

MATLAB w zastosowaniu do obliczeń obwodowych i przetwarzaniu sygnałów - 2619308879

40,00 zł

MATLAB w zastosowaniu do obliczeń obwodowych i przetwarzaniu sygnałów Politechnika Warszawska

ELEKTRO

Jest to pierwsze na polskim rynku wydawniczym opracowanie łączące w sobie funkcje podręcznika programowania i użytkowania systemu Matlab/Simulink wraz ze szczegółowym przedstawieniem metod i algorytmów numerycznych. Podręcznik przedstawia szerokie spektrum zastosowań programu Matlab w obliczeniach obwodów elektrycznych i elektronicznych oraz w przetwarzaniu sygnałów.  W warstwie aplikacyjnej podręcznik koncentruje się na pięciu podstawowych grupach zagadnień: metodach numerycznych algebry liniowej, obliczanie obwodów elektrycznych w stanach ustalonych i nieustalonych, przetwarzaniu sygnałów dyskretnych, metodach optymalizacyjnych w zastosowaniu do analizy i projektowania obwodów liniowych i nieliniowych oraz algorytmach obliczeniowych sztucznych sieci neuronowych. Przedstawiono w szczególności programy użytkowe opracowane na bazie Matlaba służące do uczenia i testowania sieci perceptronowych MLP, sieci radialnych RBF oraz sieci typu Support Vector Machine (SVM). Ostatni rozdział omawia pakiet programów ICALAB zawierający zbiór programów do ślepej separacji i dekonwolucji sygnałów. Pakiet ten należy do najczęściej używanych na świecie programów w tej dziedzinie. Wszystkie te programy są załączone do książki na płycie CD. Spis treści: Przedmowa 1. PODSTAWY JĘZYKA SYMULACYJNEGO MATLAB   1.1. Wprowadzenie  1.2. Uruchomienie programu  1.3. Typy i formaty danych  1.4. Generacje macierzy i wektorów w Matlabie  1.5. Podstawowe operacje macierzowe i tablicowe  1.6. Operacje logiczne  1.7. Funkcje matematyczne Matlaba  1.8. Organizacja pętli  1.9. Struktury m-plików  1.10. Inne funkcje i komendy używane w strukturze m-plików  1.11. Funkcje kwadraturowe i interpolacyjne Matlaba  1.12. Edytor/debugger Matlaba  1.13. Funkcje pomocy Matlaba  Zadania i problemy    2. GRAFIKA W MATLABIE   2.1. Wiadomości podstawowe  2.3. Podstawowe funkcje graficzne  2.4. Zaawansowane funkcje graficzne  2.5. Grafika trójwymiarowa  2.6. Wykresy wektorowe  2.7. Rodzina funkcji ezplot  2.8. Animacje  2.9. Opisy rysunków  2.10. Zapisywanie i drukowanie rysunków  Zadania i problemy    3. ZAAWANSOWANE PROGRAMOWANIE W MATLABIE   3.1. Obiekty graficzne  3.2. Właściwości obiektów graficznych  3.3. Tworzenie graficznego interfejsu użytkownika w Matlabie  3.4. Kompilator Matlaba  Zadania i problemy    4. METODY NUMERYCZNE ALGEBRY LINIOWEJ W MATLABIE   4.1. Normy i wskaźniki macierzowe  4.2. Transformacje i dekompozycje macierzowe  4.3. Zaawansowane operacje macierzowe  4.4. Rachunek wielomianowy w Matlabie i jego zastosowanie w teorii obwodów  Zadania i problemy    5. ZASTOSOWANIE MATLABA W ANALIZIE OBWODÓW ELEKTRYCZNYCH W STANIE USTALONYM   5.1. Macierzowe opisy obwodu w stanie ustalonym  5.2. Analiza obwodów jednofazowych liniowych w stanie ustalonym  5.3. Analiza obwodów trójfazowych  5.4. Analiza obwodów elektrycznych przy wymuszeniu niesinusoidalnym  5.5. Analiza wrażliwościowa obwodów liniowych  5.6. Analiza obwodów nieliniowych rezystancyjnych przy zastosowaniu aproksymacji odcinkowoliniowej  Zadania i problemy    6. RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE I ICH ZASTOSOWANIE W ANALIZIE STANÓW NIEUSTALONYCH   6.1. Opis układów dynamicznych równaniami stanu  6.2. Algorytmy numeryczne Eulera rozwiązywania równań stanu  6.3. Złożone algorytmy całkowania numerycznego w Matlabie  6.4. Interfejs użytkownika do rozwiązania równań różniczkowych przy zastosowaniu zbioru funkcji ode  6.5. Przykłady obliczeń numerycznych przy zastosowaniu zbioru funkcji ode  6.6. Rozwiązanie stanów nieustalonych w obwodach RLC metodą zmiennych stanu  6.7. Równania różniczkowo-różnicowe  Zadania i problemy    7. PROGRAM SIMULINK   7.1. Wprowadzenie  7.2. Modele układów dynamicznych w Simulinku  7.3. Obsługa bloków Simulinka  7.4. Symulacja rozwiązania w dziedzinie czasu  7.5. Przykłady symulacji stanów nieustalonych w obwodach elektrycznych  7.6. Symulacja stanów dynamicznych w maszynach elektrycznych  7.7. Określanie punktów równowagi w systemie dynamicznym przy użyciu Simulinka  Zadania i problemy    8. UKŁADY PRZETWARZANIA SYGNAŁÓW CIĄGŁYCH I DYSKRETNYCH   8.1. Reprezentacja sygnałów w Matlabie  8.2. Opisy układów i ich transformacje  8.3. Odpowiedzi czasowe układu liniowego  8.4. Charakterystyki częstotliwościowe układu  8.5. Dopasowanie charakterystyk częstotliwościowych  8.6. Aproksymacja charakterystyk częstotliwościowych filtrów analogowych  8.7. Projektowanie filtrów dyskretnych  8.8. Interfejs graficzny do projektowania filtrów  Zadania i problemy    9. ANALIZA SYGNAŁÓW DYSKRETNYCH PRZY UŻYCIU MATLABA   9.1. Dyskretna transformacja Fouriera  9.2. Analiza statystyczna sygnałów  9.3. Analiza spektralna sygnałów  9.4. Wybielanie sygnałów  9.5. Analiza składników głównych (PCA)  Zadania i problemy    10. FUNKCJE OPTYMALIZACYJNE I ICH ZASTOSOWANIA  10.1. Wprowadzenie  10.2. Opcje sterowania programami optymalizacyjnymi  10.3. Przykłady użycia programów optymalizacyjnych  Zadania i problemy    11. PROGRAMY UCZENIA SZTUCZNYCH SIECI NEURONOWYCH W MATLABIE   11.1. Sieć perceptronu wielowarstwowego  11.2. Sieć radialna RBF  11.3. Sieć Support Vector Machine (SVM)  11.4. Analiza porównawcza sieci RBF i SVM  Zadania i problemy    12. ŚLEPA SEPARACJA I DEKOMPOZYCJA SYGNAŁÓW - TOOLBOX ICALAB   12.1. Sformułowanie problemu dekompozycji oraz ślepej separacji sygnałów  12.2. Statyczny model liniowy ślepej separacji sygnałów  12.3. Dynamiczny model liniowy ślepej separacji  12.4. Wybór kryterium separacji  12.5. Algorytmy bazujące na statystykach drugiego rzędu  12.6. Algorytmy bazujące na statystykach wyższego rzędu  12.7. Toolbox ICALAB  12.8. Przykłady zastosowań programu ICALAB    Zadania i problemy  Literatura  Skorowidz

Sklep: ksiegarnia.edu.pl

Najlepsze lata naszego życia - Marek Hłasko - 2838747945

31,21 zł

Najlepsze lata naszego życia - Marek Hłasko

Książki & Multimedia > Książki

Opis - Opowiadania zgromadzone w niniejszym tomie powstały w latach 19511956. Należą więc do juweniliów Marka Hłaski. Na ich podstawie wytyczyć można drogę, jaką przebył początkujący pisarz: od zafascynowanego socrealizmem szofera po prowokującego władzę autora Pierwszego kroku w chmurach. Utwory stanowią podróż sentymentalną do czasów Polski stalinowskiej i jej często zniekształcanego przez literaturę obrazu. Nazwa - Najlepsze lata naszego życia Autor - Marek Hłasko Oprawa - Twarda Wydawca - Iskry Kod ISBN - 9788324404544 Kod EAN - 9788324404544 Rok wydania - 2016 Język - polski Format - 13.0x20.5cm Ilość stron - 350 Podatek VAT - 5% Premiera - 2016-09-27

Sklep: InBook.pl

Sklepy zlokalizowane w miastach: Warszawa, Kraków, Łódź, Wrocław, Poznań, Gdańsk, Szczecin, Bydgoszcz, Lublin, Katowice

Szukaj w sklepach lub całym serwisie

1. Sklepy z ksiegarnia edu pl sieci neuronowe w przetwarzaniu strumieni danych struktury sieci i algorytmy uczenia 4756

2. Szukaj na wszystkich stronach serwisu

t1=0.021, t2=0, t3=0, t4=0.011, t=0.021

Dla sprzedawców

copyright © 2005-2021 Sklepy24.pl  |  made by Internet Software House DOTCOM RIVER