دانلود کتاب Knowledge-Based Neurocomputing
49,000 تومان
کامپیوترهای عصبی مبتنی بر دانش
| موضوع اصلی | سازمان و پردازش داده ها |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | MIT Press |
| تعداد صفحه | 499 |
| حجم فایل | 37 مگابایت |
| کد کتاب | 9780262032742,0262032740 |
| نویسنده | Ian Cloete, Jacek M. Zurada |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 1999 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
کامپیوترهای عصبی مبتنی بر دانش
روشهای محاسبات عصبی بر اساس مدلی از مغز بهعنوان شبکهای از عناصر پردازشی ساده مرتبط با نورونها است. این روشها قدرت خود را از پردازش جمعی نورونهای مصنوعی میگیرند، مزیت اصلی این است که چنین سیستمهایی میتوانند یاد بگیرند و با یک محیط در حال تغییر سازگار شوند. در محاسبات عصبی مبتنی بر دانش، تأکید بر استفاده و نمایش دانش در مورد یک برنامه کاربردی است. مدلسازی صریح دانش ارائهشده توسط چنین سیستمی همچنان موضوع اصلی تحقیقاتی است. دلیل آن این است که تفسیر عددی یک شبکه عصبی برای انسان دشوار است. فرض کلیدی محاسبات عصبی مبتنی بر دانش این است که دانش از یک سیستم محاسبات عصبی به شکلی قابل درک است یا می تواند توسط آن نمایش داده شود. به این معنا که دانش تعبیه شده در سیستم محاسبات عصبی نیز می تواند به شکل نمادین یا ساختار یافته ای مانند توابع بولی، اتوماتا، قوانین یا دیگر روش های آشنا نمایش داده شود. تمرکز محاسبات مبتنی بر دانش بر روی روشهایی برای رمزگذاری دانش قبلی و استخراج، پالایش و بازنگری دانش در یک سیستم محاسبات عصبی است.
Knowledge-Based Neurocomputing
Neurocomputing methods are loosely based on a model of the brain as a network of simple interconnected processing elements corresponding to neurons. These methods derive their power from the collective processing of artificial neurons, the chief advantage being that such systems can learn and adapt to a changing environment. In knowledge-based neurocomputing, the emphasis is on the use and representation of knowledge about an application. Explicit modeling of the knowledge represented by such a system remains a major research topic. The reason is that humans find it difficult to interpret the numeric representation of a neural network.The key assumption of knowledge-based neurocomputing is that knowledge is obtainable from, or can be represented by, a neurocomputing system in a form that humans can understand. That is, the knowledge embedded in the neurocomputing system can also be represented in a symbolic or well-structured form, such as Boolean functions, automata, rules, or other familiar ways. The focus of knowledge-based computing is on methods to encode prior knowledge and to extract, refine, and revise knowledge within a neurocomputing system.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.