Δωρεές 15 Σεπτεμβρίου 2024 – 1 Οκτωβρίου 2024 Σχετικά με συγκέντρωση χρημάτων

Нейронные сети. Полный курс

Main
Computers - Computer Science
Нейронные сети. Полный курс

Нейронные сети. Полный курс

Саймон Хайкин

0 / 0

Πόσο σας άρεσε αυτό το βιβλίο;

Ποια είναι η ποιότητα του ληφθέντος αρχείου;

Κατεβάστε το βιβλίο για να αξιολογήσετε την ποιότητά του

Ποια είναι η ποιότητα των ληφθέντων αρχείων;

Κατηγορίες:

Computers - Computer Science

Έτος:

2006

Εκδότης:

Prentice Hall

Γλώσσα:

russian

Σελίδες:

1101

ISBN 10:

0132733501

ISBN 13:

9780132733502

Αρχείο:

DJVU, 11.52 MB

IPFS:

,

russian, 2006

Διαβάστε online

Η μετατροπή σε βρίσκεται σε εξέλιξη

Η μετατροπή σε απέτυχε

Ίσως σας ενδιαφέρει

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

Φράσεις κλειδιά

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