Cantitate/Preț
Produs

Theorie der neuronalen Netze: Eine systematische Einführung: Springer-Lehrbuch

Autor Raul Rojas
de Limba Germană Paperback – 12 mar 1993
Neuronale Netze sind ein Berechenbarkeitsparadigma, das in der Informatik zunehmende Beachtung findet. In diesem Buch werden theoretische Ansätze und Modelle, die in der Literatur verstreut sind, zu einer modellübergreifenden Theorie der künstlichen neuronalen Netze zusammengefügt. Mit ständigem Blick auf die Biologie wird - ausgehend von einfachsten Netzen - gezeigt, wie sich die Eigenschaften der Modelle verändern, wenn allgemeinere Berechnungselemente und Netztopologien eingeführt werden. Jedes Kapitel enthält Beispiele und ist ausführlich illustriert und durch bibliographische Anmerkungen abgerundet. Das Buch richtet sich an Leser, die sich einen Überblick verschaffen oder vorhandene Kenntnisse vertiefen wollen. Es ist als Grundlage für Neuroinformatikvorlesungen an deutschsprachigen Universitäten geeignet.
Citește tot Restrânge

Din seria Springer-Lehrbuch

Preț: 37683 lei

Preț vechi: 47104 lei
-20% Nou

Puncte Express: 565

Preț estimativ în valută:
7214 7816$ 6024£

Carte tipărită la comandă

Livrare economică 12-26 decembrie

Preluare comenzi: 021 569.72.76

Specificații

ISBN-13: 9783540563532
ISBN-10: 3540563539
Pagini: 468
Ilustrații: XVIII, 446 S. 103 Abb.
Dimensiuni: 155 x 235 x 25 mm
Greutate: 0.65 kg
Ediția:1. Aufl. 1993. Korr. Nachdruck
Editura: Springer Berlin, Heidelberg
Colecția Springer
Seria Springer-Lehrbuch

Locul publicării:Berlin, Heidelberg, Germany

Public țintă

Research

Cuprins

Einführung.- 1 Das biologische Paradigma.- I: Vorwärtsgerichtete Netze.- 2 Das Modell von McCulloch und Pitts.- 3 Gewichtete Netze — Das Perzeptron.- 4 Der Perzeptron-Lernalgorithmus.- 5 Unüberwachtes Lernen.- 6 Netze mit mehreren Schichten.- 7 Der Backpropagation-Algorithmus.- II: Theoretische Analyse.- 8 Backpropagation und statistische Regression.- 9 Die Komplexität des Lernens.- 10 Fuzzy-Logik und neuronale Netze.- III: Rekursive Netze.- 11 Assoziativspeicher.- 12 Das Hopfield-Modell.- 13 Kombinatorische Optimierung und Parallelität.- 14 Stochastische Netze.- IV: Selbstorganisation und Neurohardware.- 15 Kohonens topologieerhaltende Abbildungen.- 16 Hybride Modelle.- 17 Genetische Algorithmen.- 18 Hardware für neuronale Netze.