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: 1 نویسندگان: Chris Harris, Xia Hong, Qiang Gan (auth.) سری: Advanced Information Processing ISBN (شابک) : 9783642621192, 9783642182426 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2002 تعداد صفحات: 333 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب مدلسازی تطبیقی ، برآورد و همجوشی از داده ها: رویکرد نوروفازی: هوش مصنوعی (شامل رباتیک)، تشخیص الگو، ریاضیات محاسبات، ذخیره و بازیابی اطلاعات، آمار برای مهندسی، فیزیک، علوم کامپیوتر، شیمی و علوم زمین
در صورت تبدیل فایل کتاب Adaptive Modelling, Estimation and Fusion from Data: A Neurofuzzy Approach 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 مدلسازی تطبیقی ، برآورد و همجوشی از داده ها: رویکرد نوروفازی 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.
در دنیایی که دسترسی به داده های الکترونیکی تقریبا دائمی و به سرعت در حال افزایش است، تکنیک های فیلتر کردن، فشرده سازی و تفسیر این داده ها برای تبدیل آنها به اطلاعات ارزشمند و به راحتی قابل درک از اهمیت بالایی برخوردار است. یکی از موضوعات کلیدی در این زمینه، توانایی استنباط رفتار سیستم در آینده از یک ورودی داده معین است. این کتاب برای اولین بار تئوری کامل مدلسازی عصبی فازی مبتنی بر داده و ویژگیهای زبانی منطق فازی را در یک چارچوب ریاضی منسجم جمعآوری میکند. پس از معرفی تئوری پایه مدلسازی مبتنی بر داده، مفاهیم جدیدی از جمله زیرمدلهای افزودنی و ضربی توسعهیافته توسعه یافته و بسط آنها به تخمین حالت و ترکیب دادهها مشتق شدهاند. همه این الگوریتم ها با مثال های معیار و واقعی نشان داده شده اند تا کارایی آنها را نشان دهند. کریس هریس و گروهش کارهای پیشگامانه ای انجام داده اند که زمینه های شبکه های عصبی و الگوریتم های مبتنی بر قواعد زبانی را به هم پیوند داده است. این کتاب برای محققان و دانشمندان در مدلسازی سریهای زمانی، مدلسازی دادههای تجربی، کشف دانش، دادهکاوی و ادغام دادهها طراحی شده است.
In a world of almost permanent and rapidly increasing electronic data availability, techniques of filtering, compressing, and interpreting this data to transform it into valuable and easily comprehensible information is of utmost importance. One key topic in this area is the capability to deduce future system behavior from a given data input. This book brings together for the first time the complete theory of data-based neurofuzzy modelling and the linguistic attributes of fuzzy logic in a single cohesive mathematical framework. After introducing the basic theory of data-based modelling, new concepts including extended additive and multiplicative submodels are developed and their extensions to state estimation and data fusion are derived. All these algorithms are illustrated with benchmark and real-life examples to demonstrate their efficiency. Chris Harris and his group have carried out pioneering work which has tied together the fields of neural networks and linguistic rule-based algortihms. This book is aimed at researchers and scientists in time series modeling, empirical data modeling, knowledge discovery, data mining, and data fusion.
Front Matter....Pages I-XVI
An introduction to modelling and learning algorithms....Pages 1-23
Basic concepts of data-based modelling....Pages 25-52
Learning laws for linear-in-the-parameters networks....Pages 53-70
Fuzzy and neurofuzzy modelling....Pages 71-102
Parsimonious neurofuzzy modelling....Pages 103-151
Local neurofuzzy modelling....Pages 153-200
Delaunay input space partitioning modelling....Pages 201-224
Neurofuzzy linearisation modelling for nonlinear state estimation....Pages 225-254
Multisensor data fusion using Kalman filters based on neurofuzzy linearisation....Pages 255-280
Support vector neurofuzzy models....Pages 281-305
Back Matter....Pages 307-323