نرم افزار: سیستم ها: محاسبات علمی

فیلتر کالمن و شبکه های عصبی

Kalman filtering and neural networks

دانلود کتاب Kalman filtering and neural networks (به فارسی: فیلتر کالمن و شبکه های عصبی) نوشته شده توسط «Simon Haykin»

اطلاعات کتاب فیلتر کالمن و شبکه های عصبی

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: Wiley-Interscience

نویسنده: Simon Haykin

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2001

تعداد صفحه: 298

حجم فایل: 5.87 مگابایت

کد کتاب: 047146421X , 9780471464211

توضیحات کتاب فیلتر کالمن و شبکه های عصبی

پوشش پیشرفته روش های فیلتر کالمن برای طراحی شبکه های عصبی این کتاب مستقل از هفت فصل توسط همکاران متخصص تشکیل شده است که فیلتر کالمن را در آموزش و استفاده از شبکه های عصبی مورد بحث قرار می دهد. اگرچه رویکرد سنتی به موضوع تقریباً همیشه خطی است، این کتاب این واقعیت را تشخیص داده و به آن می پردازد که مسائل واقعی اغلب غیرخطی هستند. فصل اول یک درمان مقدماتی از فیلترهای کالمن با تاکید بر نظریه پایه فیلتر کالمن، صاف کننده Rauch-Tung-Striebel و فیلتر کالمن توسعه یافته ارائه می دهد. سایر فصل‌ها شامل: * الگوریتمی برای آموزش پرسپترون‌های چندلایه پیشخور و مکرر، بر اساس فیلتر کالمن توسعه‌یافته جداشده (DEKF) * کاربردهای الگوریتم یادگیری DEKF برای مطالعه توالی‌های تصویر و بازسازی دینامیکی فرآیندهای آشفته مشکل تخمین * دینامیک غیرخطی تصادفی: الگوریتم انتظار-بیشینه سازی (EM) و الگوریتم هموارسازی کالمن توسعه یافته (EKS) * فیلتر کالمن بدون عطر هر فصل، به استثنای مقدمه، شامل کاربردهای گویا از الگوریتم های یادگیری است که در اینجا توضیح داده شده است. که شامل استفاده از داده های شبیه سازی شده و واقعی است. فیلترینگ و شبکه های عصبی کالمن به عنوان یک منبع خبره برای محققان در شبکه های عصبی و سیستم های دینامیکی غیرخطی عمل می کند.

State-of-the-art coverage of Kalman filter methods for the design of neural networks This self-contained book consists of seven chapters by expert contributors that discuss Kalman filtering as applied to the training and use of neural networks. Although the traditional approach to the subject is almost always linear, this book recognizes and deals with the fact that real problems are most often nonlinear. The first chapter offers an introductory treatment of Kalman filters with an emphasis on basic Kalman filter theory, Rauch-Tung-Striebel smoother, and the extended Kalman filter. Other chapters cover: * An algorithm for the training of feedforward and recurrent multilayered perceptrons, based on the decoupled extended Kalman filter (DEKF) * Applications of the DEKF learning algorithm to the study of image sequences and the dynamic reconstruction of chaotic processes * The dual estimation problem * Stochastic nonlinear dynamics: the expectation-maximization (EM) algorithm and the extended Kalman smoothing (EKS) algorithm * The unscented Kalman filter Each chapter, with the exception of the introduction, includes illustrative applications of the learning algorithms described here, some of which involve the use of simulated and real-life data. Kalman Filtering and Neural Networks serves as an expert resource for researchers in neural networks and nonlinear dynamical systems.

دانلود کتاب «فیلتر کالمن و شبکه های عصبی»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان