Artificial Neural Network: Building Intelligent Systems for Robotic Autonomy and Adaptation

1: 人工ニューラル ネットワーク: ニューラル ネットワークの基礎と幅広い重要性を探ります。


2: パーセプトロン: 単層学習モデルの構成要素を理解します。


3: Jürgen Schmidhuber: 現代のネットワークの背後にある先駆的な研究を発見します。


4: 神経進化: ニューラル アーキテクチャを最適化するための遺伝的アプローチを調べます。


5: リカレント ニューラル ネットワーク: 連続データ用のメモリを備えたネットワークを調査します。


6: フィードフォワード ニューラル ネットワーク: データが一方向に移動するネットワークを分析します。


7: 多層パーセプトロン: ネットワークの深さを強化する階層構造について学びます。


8: 量子ニューラル ネットワーク: 量子支援学習モデルの可能性を明らかにします。


9: ADALINE: パターン認識用の適応型線形ニューロンを研究します。


10: エコー状態ネットワーク: 時系列データ用の動的リザーバ モデルを探ります。


11: スパイキング ニューラル ネットワーク: 生物学にヒントを得たニューラル システムを理解します。


12: リザーバー コンピューティング: 時系列分析に特化したネットワークを詳しく調べます。


13: 長期短期記憶: 情報を保持するように設計されたアーキテクチャをマスターします。


14: 人工ニューラル ネットワークの種類: さまざまなネットワーク モデルを区別します。


15: ディープ ラーニング: 多層ネットワークの深さと範囲を把握します。


16: 学習ルール: ニューラル モデルのトレーニングを導く方法を探ります。


17: 畳み込みニューラル ネットワーク: 画像データに合わせて調整されたネットワークを分析します。


18: 勾配消失問題: ネットワーク トレーニングの課題に対処します。


19: 双方向リカレント ニューラル ネットワーク: 双方向でデータを処理するモデルを見つけます。


20: 残差ニューラル ネットワーク: 学習を最適化する高度な手法を学びます。


21: 人工ニューラル ネットワークの歴史: この変革的な分野の進化をたどります。

1146722384
Artificial Neural Network: Building Intelligent Systems for Robotic Autonomy and Adaptation

1: 人工ニューラル ネットワーク: ニューラル ネットワークの基礎と幅広い重要性を探ります。


2: パーセプトロン: 単層学習モデルの構成要素を理解します。


3: Jürgen Schmidhuber: 現代のネットワークの背後にある先駆的な研究を発見します。


4: 神経進化: ニューラル アーキテクチャを最適化するための遺伝的アプローチを調べます。


5: リカレント ニューラル ネットワーク: 連続データ用のメモリを備えたネットワークを調査します。


6: フィードフォワード ニューラル ネットワーク: データが一方向に移動するネットワークを分析します。


7: 多層パーセプトロン: ネットワークの深さを強化する階層構造について学びます。


8: 量子ニューラル ネットワーク: 量子支援学習モデルの可能性を明らかにします。


9: ADALINE: パターン認識用の適応型線形ニューロンを研究します。


10: エコー状態ネットワーク: 時系列データ用の動的リザーバ モデルを探ります。


11: スパイキング ニューラル ネットワーク: 生物学にヒントを得たニューラル システムを理解します。


12: リザーバー コンピューティング: 時系列分析に特化したネットワークを詳しく調べます。


13: 長期短期記憶: 情報を保持するように設計されたアーキテクチャをマスターします。


14: 人工ニューラル ネットワークの種類: さまざまなネットワーク モデルを区別します。


15: ディープ ラーニング: 多層ネットワークの深さと範囲を把握します。


16: 学習ルール: ニューラル モデルのトレーニングを導く方法を探ります。


17: 畳み込みニューラル ネットワーク: 画像データに合わせて調整されたネットワークを分析します。


18: 勾配消失問題: ネットワーク トレーニングの課題に対処します。


19: 双方向リカレント ニューラル ネットワーク: 双方向でデータを処理するモデルを見つけます。


20: 残差ニューラル ネットワーク: 学習を最適化する高度な手法を学びます。


21: 人工ニューラル ネットワークの歴史: この変革的な分野の進化をたどります。

3.99 In Stock
Artificial Neural Network: Building Intelligent Systems for Robotic Autonomy and Adaptation

Artificial Neural Network: Building Intelligent Systems for Robotic Autonomy and Adaptation

Artificial Neural Network: Building Intelligent Systems for Robotic Autonomy and Adaptation

Artificial Neural Network: Building Intelligent Systems for Robotic Autonomy and Adaptation

eBook

$3.99 

Available on Compatible NOOK devices, the free NOOK App and in My Digital Library.
WANT A NOOK?  Explore Now

Related collections and offers

LEND ME® See Details

Overview

1: 人工ニューラル ネットワーク: ニューラル ネットワークの基礎と幅広い重要性を探ります。


2: パーセプトロン: 単層学習モデルの構成要素を理解します。


3: Jürgen Schmidhuber: 現代のネットワークの背後にある先駆的な研究を発見します。


4: 神経進化: ニューラル アーキテクチャを最適化するための遺伝的アプローチを調べます。


5: リカレント ニューラル ネットワーク: 連続データ用のメモリを備えたネットワークを調査します。


6: フィードフォワード ニューラル ネットワーク: データが一方向に移動するネットワークを分析します。


7: 多層パーセプトロン: ネットワークの深さを強化する階層構造について学びます。


8: 量子ニューラル ネットワーク: 量子支援学習モデルの可能性を明らかにします。


9: ADALINE: パターン認識用の適応型線形ニューロンを研究します。


10: エコー状態ネットワーク: 時系列データ用の動的リザーバ モデルを探ります。


11: スパイキング ニューラル ネットワーク: 生物学にヒントを得たニューラル システムを理解します。


12: リザーバー コンピューティング: 時系列分析に特化したネットワークを詳しく調べます。


13: 長期短期記憶: 情報を保持するように設計されたアーキテクチャをマスターします。


14: 人工ニューラル ネットワークの種類: さまざまなネットワーク モデルを区別します。


15: ディープ ラーニング: 多層ネットワークの深さと範囲を把握します。


16: 学習ルール: ニューラル モデルのトレーニングを導く方法を探ります。


17: 畳み込みニューラル ネットワーク: 画像データに合わせて調整されたネットワークを分析します。


18: 勾配消失問題: ネットワーク トレーニングの課題に対処します。


19: 双方向リカレント ニューラル ネットワーク: 双方向でデータを処理するモデルを見つけます。


20: 残差ニューラル ネットワーク: 学習を最適化する高度な手法を学びます。


21: 人工ニューラル ネットワークの歴史: この変革的な分野の進化をたどります。


Product Details

BN ID: 2940180971524
Publisher: 10?????????? [Japanese]
Publication date: 12/17/2024
Series: Robotics Science [Japanese] , #7
Sold by: PUBLISHDRIVE KFT
Format: eBook
Pages: 263
File size: 1 MB
Language: Japanese
From the B&N Reads Blog

Customer Reviews