Diseño de redes neuronales (2.ª edición)

Este libro, de los autores de Neural Network Toolbox para MATLAB, proporciona una cobertura clara y detallada de las arquitecturas fundamentales de redes neuronales y las reglas de aprendizaje. En él, los autores enfatizan una presentación coherente de las principales redes neuronales, los métodos para entrenarlas y sus aplicaciones a problemas prácticos.CaracterísticasAmplia cobertura de métodos de entrenamiento para redes de avance (incluidas las redes multicapa y de base radial) y redes recurrentes. Además de las variaciones de gradiente conjugado y Levenberg-Marquardt del algoritmo de retropropagación, el texto también cubre la regularización bayesiana y la detención temprana, que garantizan la capacidad de generalización de las redes entrenadas.Las redes asociativas y competitivas, incluidos los mapas de características y la cuantificación de vectores de aprendizaje, se explican con bloques de construcción simples.Un capítulo de consejos prácticos de entrenamiento para la aproximación de funciones, el reconocimiento de patrones, la agrupación y la predicción, junto con cinco capítulos que presentan estudios de casos detallados del mundo real.Ejemplos detallados y numerosos problemas resueltos. Las diapositivas y el software de demostración completo se pueden descargar de hagan.okstate.edu/nnd.html.

Autor: Howard B. Demuth, Mark H. Beale, Orlando de Jesús
Editorial: Martin Hagan
Publicado: 01/09/2014
Páginas: 802
Tipo de encuadernación: Tapa blanda
Peso: 2.98lbs
Tamaño: 9.25h x 7.52w x 1.59d
ISBN13: 9780971732117
ISBN10: 0971732116
Categorías BISAC:
- Informática | Ciencia de Datos | Redes Neuronales

Sobre el autor
Martin T. Hagan (Ph.D. en Ingeniería Eléctrica, Universidad de Kansas) ha enseñado e investigado en las áreas de sistemas de control y procesamiento de señales durante los últimos 35 años. Durante los últimos 25 años, su investigación se ha centrado en el uso de redes neuronales para el control, el filtrado y la predicción. Es profesor en la Escuela de Ingeniería Eléctrica e Informática de la Universidad Estatal de Oklahoma y coautor del Neural Network Toolbox para MATLAB. Howard B. Demuth (Ph.D. en Ingeniería Eléctrica, Universidad de Stanford) tiene veintitrés años de experiencia industrial, principalmente en el Laboratorio Nacional de Los Álamos, donde ayudó a diseñar y construir una de las primeras computadoras electrónicas del mundo, la "MANIAC". Demuth también tiene quince años de experiencia docente. Es coautor del Neural Network Toolbox para MATLAB y actualmente imparte un curso de Redes Neuronales para la Universidad de Colorado en Boulder. Mark Hudson Beale (B.S. en Ingeniería Informática, Universidad de Idaho) es un ingeniero de software con un enfoque en algoritmos de inteligencia artificial y tecnología de desarrollo de software. Mark es coautor del Neural Network Toolbox para MATLAB y brinda consultoría relacionada a través de su empresa, MHB Inc., ubicada en Hayden, Idaho. Orlando De Jesús (Ph.D. en Ingeniería Eléctrica, Universidad Estatal de Oklahoma) tiene veinticuatro años de experiencia industrial, con AETI C.A. en Caracas, Venezuela, Halliburton en Carrollton, Texas y actualmente trabaja como Consultor de Ingeniería en Frisco, Texas. La disertación de Orlando fue la base de los algoritmos de entrenamiento de redes dinámicas en el Neural Network Toolbox para MATLAB.

Este título no es retornable