Muutke küpsiste eelistusi

E-raamat: Deep Learning Classifiers with Memristive Networks: Theory and Applications

Teised raamatud teemal:
  • Formaat - PDF+DRM
  • Hind: 184,63 €*
  • * hind on lõplik, st. muud allahindlused enam ei rakendu
  • Lisa ostukorvi
  • Lisa soovinimekirja
  • See e-raamat on mõeldud ainult isiklikuks kasutamiseks. E-raamatuid ei saa tagastada.
Teised raamatud teemal:

DRM piirangud

  • Kopeerimine (copy/paste):

    ei ole lubatud

  • Printimine:

    ei ole lubatud

  • Kasutamine:

    Digitaalõiguste kaitse (DRM)
    Kirjastus on väljastanud selle e-raamatu krüpteeritud kujul, mis tähendab, et selle lugemiseks peate installeerima spetsiaalse tarkvara. Samuti peate looma endale  Adobe ID Rohkem infot siin. E-raamatut saab lugeda 1 kasutaja ning alla laadida kuni 6'de seadmesse (kõik autoriseeritud sama Adobe ID-ga).

    Vajalik tarkvara
    Mobiilsetes seadmetes (telefon või tahvelarvuti) lugemiseks peate installeerima selle tasuta rakenduse: PocketBook Reader (iOS / Android)

    PC või Mac seadmes lugemiseks peate installima Adobe Digital Editionsi (Seeon tasuta rakendus spetsiaalselt e-raamatute lugemiseks. Seda ei tohi segamini ajada Adober Reader'iga, mis tõenäoliselt on juba teie arvutisse installeeritud )

    Seda e-raamatut ei saa lugeda Amazon Kindle's. 

This book introduces readers to the fundamentals of deep neural network architectures, with a special emphasis on memristor circuits and systems. At first, the book offers an overview of neuro-memristive systems, including memristor devices, models, and theory, as well as an introduction to deep learning neural networks such as multi-layer networks, convolution neural networks, hierarchical temporal memory, and long short term memories, and deep neuro-fuzzy networks. It then focuses on the design of these neural networks using memristor crossbar architectures in detail. The book integrates the theory with various applications of neuro-memristive circuits and systems. It provides an introductory tutorial on a range of issues in the design, evaluation techniques, and implementations of different deep neural network architectures with memristors.

Available in MS