UPSSS! JavaScript nie działa sprawdź ustawienia przeglądarki

Menu
Koszyk
Twój koszyk jest pusty
Przechowalnia
Brak produktów w przechowalni
KOSZTY WYSYŁKI
  • Przedpłata na konto kurier InPost: 13 zł
  • Płatne kurierowi przy odbiorze kurier InPost: 19 zł
  • InPost Paczkomaty: 12 zł
  • Przedpłata na konto kurier DHL: 16 zł
  • Szczegóły dotyczące wysyłki
Logowanie || Rejestracja

Informacje o produkcie

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


  Cena:

przechowalnia

31,00 zł

Dostępność: brak - zapytaj
Najniższy koszt wysyłki to tylko 12,00 zł

Najedź aby zobaczyć pozostałe koszty wysyłki

Specyfikacja książki
Ilość stron
180
Okładka
miękka
Format
B5
Rok wydania
2011
Język
polski
  Cena:

przechowalnia

31,00 zł

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
  Cena:

przechowalnia

31,00 zł

Inni klienci kupujący ten produkt zakupili również
przechowalnia
Wawrzyński Paweł
19,00 zł
Dostępność: brak - zapytaj
przechowalnia
Debudaj - Grabysz Agnieszka, Deorowicz Sebastian, Widuch Jacek
19,00 zł
Dostępność: brak - zapytaj
przechowalnia
Adamski Tomasz, Ogrodzki Jan, Opalska Katarzyna
37,00 zł
Zapytaj o szczegóły
Imię i nazwisko:
E-mail:
Twoje pytanie:
Wpisz kod widoczny na obrazku:
weryfikator
Księgarnia Techniczna zamieszcza w ofercie głównie podręczniki akademickie oraz książki techniczne przede wszystkim z dziedzin takich jak mechanika techniczna, podstawy konstrukcji, technologia gastronomiczna. Główne wydawnictwa w ofercie to Politechnika Warszawska, Politechnika Wrocławska, Politechnika Świętokrzyska oraz POLSL.
Wszelkie sugestie odnośnie zapotrzebowania na określone książki techniczne i podręczniki akademickie prosimy zgłaszać poprzez email podany w zakładce Kontakt
Księgarnia Techniczna - XML Sitemap
©Księgarnia Techniczna. Wszelkie Prawa Zastrzeżone. All Rights Reserved

Wykonanie: inż. Agnieszka Kamińska