人工ニューラルネットワーク - ロボットの自律性と適応性のためのインテリジェントシステムの構築
Fouad Sabry
Traducteur Kei Imano
Maison d'édition: 10億人の知識があります [Japanese]
Synopsis
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。
Disponible depuis: 17/12/2024.
Longueur d'impression: 263 pages.
