دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Oliver Nelles
سری:
ISBN (شابک) : 3540673695, 3642086748
ناشر: Springer
سال نشر: 2001
تعداد صفحات: 374
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 43 مگابایت
در صورت تبدیل فایل کتاب Nonlinear system identification : from classical approaches to neural networks and fuzzy models به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شناسایی سیستم غیرخطی: از رویکردهای کلاسیک به شبکههای عصبی و مدلهای فازی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب رایجترین و مهمترین رویکردها برای شناسایی سیستمهای استاتیکی و دینامیکی غیرخطی را پوشش میدهد. علاوه بر این، پیش زمینه لازم در مورد تکنیک های بهینه سازی کتاب را در اختیار خواننده قرار می دهد. تاکید بر روش های مدرن مبتنی بر شبکه های عصبی و سیستم های فازی بدون غفلت از رویکردهای کلاسیک است. کل کتاب از دیدگاه مهندسی نوشته شده است و بر درک شهودی روابط اساسی تمرکز دارد. این توسط بسیاری از ارقام گویا پشتیبانی می شود. از ریاضیات پیشرفته اجتناب می شود. بنابراین، این کتاب برای دوره های کارشناسی و کارشناسی ارشد سال گذشته و همچنین مهندسین تحقیق و توسعه در صنایع مناسب است.''--BOOK JACKET. بیشتر بخوانید.. .
''The book covers the most common and important approaches for the identification of nonlinear static and dynamic systems. Additionally, it provides the reader with the necessary background on optimization techniques making the book self-contained. The emphasis is put on modern methods based on neural networks and fuzzy systems without neglecting the classical approaches. The entire book is written from an engineering point-of-view, focusing on the intuitive understanding of the basic relationships. This is supported by many illustrative figures. Advanced mathematics is avoided. Thus, the book is suitable for last year undergraduate and graduate courses as well as research and development engineers in industries.''--BOOK JACKET. Read more...
Front Matter....Pages I-XVII
Introduction....Pages 1-19
Front Matter....Pages 21-21
Introduction to Optimization....Pages 23-34
Linear Optimization....Pages 35-77
Nonlinear Local Optimization....Pages 79-112
Nonlinear Global Optimization....Pages 113-136
Unsupervised Learning Techniques....Pages 137-155
Model Complexity Optimization....Pages 157-201
Back Matter....Pages 203-205
Front Matter....Pages 207-207
Introduction to Static Models....Pages 209-217
Linear, Polynomial, and Look-Up Table Models....Pages 219-238
Neural Networks....Pages 239-297
Fuzzy and Neuro-Fuzzy Models....Pages 299-340
Local Linear Neuro-Fuzzy Models: Fundamentals....Pages 341-389
Local Linear Neuro-Fuzzy Models: Advanced Aspects....Pages 391-449
Back Matter....Pages 451-453
Front Matter....Pages 455-455
Linear Dynamic System Identification....Pages 457-546
Nonlinear Dynamic System Identification....Pages 547-577
Classical Polynomial Approaches....Pages 579-586
Dynamic Neural and Fuzzy Models....Pages 587-600
Dynamic Local Linear Neuro-Fuzzy Models....Pages 601-644
Neural Networks with Internal Dynamics....Pages 645-651
Front Matter....Pages 653-653
Applications of Static Models....Pages 655-675
Front Matter....Pages 653-653
Applications of Dynamic Models....Pages 677-708
Applications of Advanced Methods....Pages 709-733
Back Matter....Pages 735-785