Donazioni 15 September, 2024 – 1 Ottobre, 2024 Sulla raccolta fondi

Нейронные сети. Полный курс

Main
Computers - Computer Science
Нейронные сети. Полный курс

Нейронные сети. Полный курс

Саймон Хайкин

0 / 0

Quanto ti piace questo libro?

Qual è la qualità del file?

Scarica il libro per la valutazione della qualità

Qual è la qualità dei file scaricati?

Categorie:

Computers - Computer Science

Anno:

2006

Casa editrice:

Prentice Hall

Lingua:

russian

Pagine:

1101

ISBN 10:

0132733501

ISBN 13:

9780132733502

File:

DJVU, 11.52 MB

IPFS:

,

russian, 2006

Leggi Online

La conversione in è in corso

La conversione in non è riuscita

Puoi essere interessati a

Мартин Грабер — SQL для простых смертных

Кан К.А. — Нейронные сети. Эволюция.

Александр Заика — Компьютерные сети

Эйлин Нильсен — Практический анализ временных рядов: прогнозирование со статистикой и машинное обучение

Дэвид Фостер — Генеративное глубокое обучение. Творческий потенциал нейронных сетей

Рашид Т. — Создаем нейронную сеть

Андрей Бурков — Машинное обучение без лишних слов

Хокинг Стивен, Пенроуз Роджер, Шимони Абнер, Картрайт Нэнси. — Большое, малое и человеческий разум

Саймон Синек & Дэвид Мид & Питер Докер — Найди свое «Почему?». Практическое руководство по поиску цели

Генри Брайтон, Селина Говард — Искусственный интеллект в комиксах

Станислав Осовский — Нейронные сети для обработки информации

Барский А.Б. — Нейронные сети: распознавание, управление, принятие решений

Вьюгин В.В. — Математические основы машинного обучения и прогнозирования

Нишант Шакла — Машинное обучение и TensorFlow

Дейн Хиллард — Секреты Python Pro

Николенко С. И., Кадурин А. А., Архангельская Е. О. — Глубокое обучение

Хенрик Бринк, Джозеф Ричардс, Марк Феверолф — Машинное обучение

Черничкин М. Ю. — Большая энциклопедия электрика

Егупов Н.Д. (ред.) — Методы робастного, нейро-нечеткого и адаптивного управления: Учеб. для студентов вузов, обучающихся по машиностроит. и приборостроит. специальностям

Хайкин С. (Haykin) — Нейронные сети. Полный курс

Натан Марц, Джеймс Уоррен — Большие данные. Принципы и практика построения масштабируемых систем обработки данных в реальном времени

Медведев В.С., Потемкин В.Г. — Нейронные сети. MATLAB 6

Аксенов С.В., Новосельцев В.Б. — Организация и использование нейронных сетей

Стюарт Рассел, Питер Норвиг — Искусственный интеллект. Современный подход. Том 3. Обучение, восприятие и действие

Касюк С.Т. — Анализ и прогнозирование спортивных данных в нейронных сетях

Д. Рутковская, М. Пилинський, Л. Рутковский — Нейронные сети, генетические алгоритмы и нечеткие системы

Круглов В.В., Дли М.И., Голунов Р.Ю. — Нечеткая логика и искусственные нейронные сети: Учеб. пособие для студентов вузов, обучающихся по специальности ''Прикладная информ

Яхъяева Г.Э. — Основы теории нейронных сетей

Вадим Миронов — Профессия «бизнес-аналитик». Краткое пособие для начинающих

Себастьян Рашка — Python и машинное обучение

Джош Паттерсон, Адам Гибсон — Глубокое обучение с точки зрения практика

Антонио Джулли, Суджит Пал — Библиотека Keras - инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и TensorFlow

Гудфеллоу Я., Бенджио И., Курвилль А. — Глубокое обучение

Прохоренок Н.А., Дронов В.А. — Python 3 и PyQt 5. Разработка приложений

Денис Колисниченко — Linux. От новичка к профессионалу

Умберто Микелуччи — Прикладное глубокое обучение: подход к пониманию глубоких нейронных сетей на основе метода кейсов

Валиаппа Лакшманан, Майкл Мунн, Сара Робинсон — Машинное обучение. Паттерны проектирования

Тарик Рашид — Создаем нейронную сеть

Галушкин А. И. — Нейронные сети основы теории

Рышард Тадеусевич, Барбара Боровик, Томаш Гончаж, Бартош Леппер — Элементарное введение в технологию нейронных сетей с примерами программ

Хайкин — Нейронные сети полный курс

Лутковский, Владимир Михайлович — Нейронные сети

Termini più frequenti

обучения

алгоритм

алгоритма

нейронов

распространения

векторов

следующим

значения

входного

состояний

информации

обратного

примеров

множества

вероятности

определяется

множество

состояния

персептрона

синаптических

признаков

размерности

обучение

классификации

являются

количество

пространстве

состояние

рассмотрим