1: Yapay sinir ağı: Sinir ağlarının temellerini ve geniş önemini keşfedin.
2: Perceptron: Tek katmanlı öğrenme modellerinin yapı taşlarını anlayın.
3: Jürgen Schmidhuber: Modern ağların ardındaki öncü araştırmaları keşfedin.
4: Nöroevrim: Sinir mimarilerini optimize etmeye yönelik genetik yaklaşımları inceleyin.
5: Tekrarlayan sinir ağı: Sıralı veriler için belleğe sahip ağları araştırın.
6: İleri beslemeli sinir ağı: Verilerin tek bir yönde hareket ettiği ağları analiz edin.
7: Çok katmanlı perceptron: Ağ derinliğini artıran katmanlı yapılar hakkında bilgi edinin.
8: Kuantum sinir ağı: Kuantum destekli öğrenme modellerinin potansiyelini ortaya çıkarın.
9: ADALINE: Desen tanıma için uyarlanabilir doğrusal nöronları inceleyin.
10: Yankı durumu ağı: Zamansal veriler için dinamik rezervuar modellerini keşfedin.
11: Çivi çakan sinir ağı: Biyolojik olarak ilham alan sinir sistemlerini anlayın.
12: Rezervuar bilişimi: Zaman serisi analizi için uzmanlaşmış ağlara dalın.
13: Uzun kısa süreli bellek: Bilgileri tutmak için tasarlanmış mimarilerde ustalaşın.
14: Yapay sinir ağlarının türleri: Çeşitli ağ modelleri arasında ayrım yapın.
15: Derin öğrenme: Çok katmanlı ağların derinliğini ve kapsamını kavrayın.
16: Öğrenme kuralı: Sinir modeli eğitimine rehberlik eden yöntemleri keşfedin.
17: Evrişimli sinir ağı: Görüntü verilerine göre uyarlanmış ağları analiz edin.
18: Kaybolan gradyan sorunu: Ağ eğitimindeki zorlukları ele alın.
19: Çift yönlü yinelemeli sinir ağları: Verileri her iki yönde de işleyen modelleri keşfedin.
20: Kalan sinir ağı: Öğrenmeyi optimize etmek için gelişmiş teknikleri öğrenin.
21: Yapay sinir ağlarının tarihi: Bu dönüştürücü alanın evrimini izleyin.
1: Yapay sinir ağı: Sinir ağlarının temellerini ve geniş önemini keşfedin.
2: Perceptron: Tek katmanlı öğrenme modellerinin yapı taşlarını anlayın.
3: Jürgen Schmidhuber: Modern ağların ardındaki öncü araştırmaları keşfedin.
4: Nöroevrim: Sinir mimarilerini optimize etmeye yönelik genetik yaklaşımları inceleyin.
5: Tekrarlayan sinir ağı: Sıralı veriler için belleğe sahip ağları araştırın.
6: İleri beslemeli sinir ağı: Verilerin tek bir yönde hareket ettiği ağları analiz edin.
7: Çok katmanlı perceptron: Ağ derinliğini artıran katmanlı yapılar hakkında bilgi edinin.
8: Kuantum sinir ağı: Kuantum destekli öğrenme modellerinin potansiyelini ortaya çıkarın.
9: ADALINE: Desen tanıma için uyarlanabilir doğrusal nöronları inceleyin.
10: Yankı durumu ağı: Zamansal veriler için dinamik rezervuar modellerini keşfedin.
11: Çivi çakan sinir ağı: Biyolojik olarak ilham alan sinir sistemlerini anlayın.
12: Rezervuar bilişimi: Zaman serisi analizi için uzmanlaşmış ağlara dalın.
13: Uzun kısa süreli bellek: Bilgileri tutmak için tasarlanmış mimarilerde ustalaşın.
14: Yapay sinir ağlarının türleri: Çeşitli ağ modelleri arasında ayrım yapın.
15: Derin öğrenme: Çok katmanlı ağların derinliğini ve kapsamını kavrayın.
16: Öğrenme kuralı: Sinir modeli eğitimine rehberlik eden yöntemleri keşfedin.
17: Evrişimli sinir ağı: Görüntü verilerine göre uyarlanmış ağları analiz edin.
18: Kaybolan gradyan sorunu: Ağ eğitimindeki zorlukları ele alın.
19: Çift yönlü yinelemeli sinir ağları: Verileri her iki yönde de işleyen modelleri keşfedin.
20: Kalan sinir ağı: Öğrenmeyi optimize etmek için gelişmiş teknikleri öğrenin.
21: Yapay sinir ağlarının tarihi: Bu dönüştürücü alanın evrimini izleyin.
Yapay Sinir Agi: Robotik Özerklik ve Uyarlama için Akilli Sistemler Olusturma
263
Yapay Sinir Agi: Robotik Özerklik ve Uyarlama için Akilli Sistemler Olusturma
263
Product Details
| BN ID: | 2940180972200 |
|---|---|
| Publisher: | Bir Milyar Bilgili [Turkish] |
| Publication date: | 12/18/2024 |
| Series: | Robotik Bilimi [Turkish] , #7 |
| Sold by: | PUBLISHDRIVE KFT |
| Format: | eBook |
| Pages: | 263 |
| File size: | 1 MB |
| Language: | Turkish |