Tariq Rashid (dpunkt, 2017)
Neuronale Netze sind Schlüsselelemente des Deep Learning und der Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind.
Thomas Kaffka (MITP-Verlag, 2017)
Von den ersten Modellen bis zum Backpropagation-Netz Allgemeinverständliche Erläuterungen mit vielen Praxis- und Anwendungsbeispielen Zahlreiche Programme zum Ausprobieren, Ausführen und Trainieren Neuronaler Netze mit Beispieldaten Für ...
Wolfgang Ziegler (entwickler.press, 2015)
Unser menschliches Gehirn lernt aus Erfahrungen, die uns widerfahren. Schon seit Langem ist es der Wunsch einiger Informatiker, diesen Prozess künstlich nachzuahmen. Neuronale Netze kommen dabei dem Gehirn und seinen Nervenzellen am nächsten.
Andrew W. Trask (MITP Verlags GmbH & Co. KG, 2019)
Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy ...
C. Lange (Physica-Verlag, 2003)
Der vorliegende Band beschreibt sowohl die theoretischen als auch die empirischen Aspekte neuronaler Netze.
Günter Daniel Rey, Karl F. Wender (Hogrefe (vorm. Verlag Hans Huber ), 2018)
Im Grundlagenteil werden die Kernkomponenten, Lernregeln, Netztypen, Eigenschaften und Probleme neuronaler Netze erörtert. (Vorschau verfügbar)
Rüdiger Brause (Vieweg+Teubner, 1995)
Programmiersprachen und -systeme zur Simulation neuronaler Netze eingegangen. Der Schwerpunkt des Buches liegt damit im Zusammenfassen und Ordnen einer Breite von Ansätzen, Modellen und Anwendungen unter wenigen, klaren Aspekten wie ...
Heinrich Braun (Springer, 2012)
In diesem Buch findet der Leser effiziente Methoden zur Optimierung Neuronaler Netze. Insbesondere durch die ausführliche Behandlung des Reinforcement Learning und der Evolutiven Optimierung geht es über den Inhalt der bisherigen Lehrbücher zum ...
Thomas Kaffka (MITP Verlags GmbH & Co. KG, 2017)
Von den ersten Modellen bis zum Backpropagation-Netz Allgemeinverständliche Erläuterungen mit vielen Praxis- und Anwendungsbeispielen Zahlreiche Programme zum Ausprobieren, Ausführen und Trainieren Neuronaler Netze mit Beispieldaten Für ...
Thomas Kaffka (MITP Verlags GmbH & Co. KG, 2017)
Von den ersten Modellen bis zum Backpropagation-Netz Allgemeinverständliche Erläuterungen mit vielen Praxis- und Anwendungsbeispielen Zahlreiche Programme zum Ausprobieren, Ausführen und Trainieren Neuronaler Netze mit Beispieldaten Für ...
Joachim Steinwendner, Roland Schwaiger (Rheinwerk Verlag, 2020)
Neuronale Netze stehen im Mittelpunkt, wenn es um Künstliche Intelligenz und Machine Learning geht. Sie revolutionieren Bild- und Spracherkennung, Spiele-KIs und vieles mehr. Zum Glück lassen sich die genialen Ideen dahinter einfach erklären.
Tariq Rashid (O'Reilly Verlag, 2017)
Neuronale Netze sind Schlüsselelemente des Deep Learning und der Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind.
Jürgen Heuer (Deutscher Universitätsverlag, 1997)
Inhaltsverzeichnis: Aus dem Inhalt: Grundlagen - Grundsätzliches über Neuronen - Grundlagen der Fertigung - Ökonomische Überlegungen zum Einsatz Neuronaler Netze in Fertigungssystemen Das neuronal unterstützte Arbeitssystem und seine grundlegenden ... (Vorschau verfügbar)
Andrew W. Trask (MITP-Verlag, 2019)
Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-AlgorithmenAnschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPyKeine Vorkenntnisse in Machine Learning oder höherer Mathematik ...
Tariq Rashid (O'Reilly Verlag, 2017)
Neuronale Netze sind Schlüsselelemente des Deep Learning und der Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind.
Roland Schwaiger, Joachim Steinwendner (Rheinwerk Computing, 2019)
Neuronale Netze stehen im Mittelpunkt, wenn es um Künstliche Intelligenz und Machine Learning geht. Sie revolutionieren derzeit die verschiedensten Anwendungsgebiete vom Strategiespiel bis zur Bild- und Spracherkennung.
Joachim Steinwendner, Roland Schwaiger (Rheinwerk Computing, 2020)
Neuronale Netze stehen im Mittelpunkt, wenn es um Künstliche Intelligenz und Machine Learning geht. Sie revolutionieren Bild- und Spracherkennung, Spiele-KIs und vieles mehr. Zum Glück lassen sich die genialen Ideen dahinter einfach erklären.
Andrew W. Trask (MITP Verlags GmbH & Co. KG, 2019)
Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy ...
Sven F. Crone (Gabler, 2010)
Mit einem Geleitwort von Prof. Dr. Dr. h. c. Dieter B. Preßmar Künstliche Neuronale Netze bieten ein erhebliches Potential zur Verbesserung der Absatzprognose sowie der Warendisposition eines Handelsbetriebs. Sven F. (Vorschau verfügbar)
Christine Wiedemann (Deutscher Universitätsverlag, 1999)
Christine Wiedemann entwickelt und überprüft neue vielversprechende Methoden, die mit größerer Sicherheit als bisher eindeutige Erfolgsfaktoren neuer Produkte identifizieren sollen.
Mathias Cabrera Cano (KIT Scientific Publishing, 2017)
Zur Simulation der Schaltdynamik von Stufenautomaten werden detaillierte physikalische Modelle mit komplexen numerischen Eigenschaften benötigt.
Alessio Dal Cero (Science Factory, 2020)
Unser Gehirn besitzt etwa 86 Milliarden Nervenzellen, die enorme Datenmengen verarbeiten. Das neuronale Netzwerk ist ein Vorbild für die Forschung an künstlicher Intelligenz (KI) und maschinellem Lernen.
Raul Rojas (Springer, 1996)
Neuronale Netze sind ein Berechenbarkeitsparadigma, das in der Informatik zunehmende Beachtung findet.
Beate Edl (VDM Verlag Dr. Mueller e.K., 2008)
Neuronale Netze finden in immer mehr Bereichen der Forschung Einzug. In dieser Arbeit wird einerseits die Theorie hinter den neuronalen Netzen erläutert und andererseits die Anwendung für die Prognose anhand eines praktischen Beispiels gezeigt.
Wolfgang Koller (Peter Lang Ltd. International Academic Publishers, 2013)
Diese Arbeit entwickelt zahlreiche Methoden und Algorithmen zur verbesserten Modellierung und Prognose von makroökonomischen Zeitreihen mit neuronalen Netzen (ARNN-Modellen) und führt einen Vergleich mit linearen Modellen (AR, ARMA) durch.
Johannes Partzsch (VDM Verlag Dr. Mueller e.K., 2008)
Pulsende neuronale Netze sind ein aktuelles Gebiet der Forschung mit hohem Potenzial für Aufgaben der Objekterkennung und maschinellen Entscheidungsfindung.
Eric Thomas (Science Factory, 2018)
Der Versuch, Maschinen das Denken beizubringen, hat den Status der Science-Fiction längst überschritten. Künstliche Intelligenz ist mittlerweile ein Forschungsfeld für Wissenschaftler verschiedenster Disziplinen.
Nico Schlitter (VDM Verlag Dr. Mueller e.K., 2008)
Die Spekulation mit Aktien fasziniert die Menschheit nicht erst seit dem Börsenboom zum Ende des letzten Jahrhunderts.
Seth Weidman (dpunkt, 2020)
Deep-Learning-Grundlagen für Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning Implementierung der Deep-Learning-Konzepte mit dem beliebten Framework PyTorch Zahlreiche Codebeispiele in Python verdeutlichen die konkrete ...
Gerhard Niebling (Utz Verlag, 2017)
Strategien der Signalverarbeitung in der Chemosensorik