Libros > Libros de informática > REDES NEURONALES Y SISTEMAS BORROSOS. 3ª EDICIÓN
Portada de Redes Neuronales y Sistemas Borrosos. 3ª Edición

Redes Neuronales y Sistemas Borrosos. 3ª Edición

Autores:Martín del Brío, Bonifacio; Sanz Molina, Alfredo;
Categoría:Informática
ISBN: 9788478977437
Ra-Ma S.A. Editorial y Publicaciones nos ofrece Redes Neuronales y Sistemas Borrosos. 3ª Edición en español, disponible en nuestra tienda desde el 01 de 00 del 2006. Amplía tus conocimientos sobre el mundo de los ordenadores con este libro de informática, perfectamente adaptado para todos los lectores por su cuidado contenido. Este libro cuenta con un total de 436 páginas , unas dimensiones de 24x17 cm (3ª ed., 1ª imp.).
Leer argumento »
Ver todas las novedades de libros »

Otros clientes que compraron REDES NEURONALES Y SISTEMAS BORROSOS. 3ª EDICIÓN también compraron:

Argumento de Redes Neuronales y Sistemas Borrosos. 3ª Edición

"Redes Neuronales y Sistemas Borrosos supone una valiosa contribución a la literatura de la soft computing y de los sistemas neuroborrosos. Su fácil lectura, amplio tratamiento de ejemplos reales, y la gran competencia de los autores en la materia, hacen de este texto una importante fuente de información para todo aquel interesado en comprender y familiarizarse con las herramientas básicas que proporcionan las metodologías neuronales y borrosas. Los autores y la editorial merecen nuestro agradecimiento y aplauso". Prof. Lotfi A. Zadeh, catedrático emérito de la Universidad de California en Berkeley.0PRÓLOGO
PREFACIO DE LOTFI A. ZADEH
FOREWORD BY LOTFI A. ZADEH
INTRODUCCIÓN
1 El largo y tortuoso camino hacia la construcción
de máquinas inteligentes
2 Microprocesadores, computadores y cerebro
3 Redes neuronales artificiales
4 Sistemas borrosos
5 Redes neuronales y sistemas borrosos
PARTE I. REDES NEURONALES
CAPÍTULO 1. FUNDAMENTOS DE LAS REDES NEURONALES
ARTIFICIALES
1.1 Breve introducción biológica
1.2 Estructura de un sistema neuronal artificial
1.3 Modelo de neurona artificial
1.3.1 Modelo general de neurona artificial
1.3.2 Modelo estándar de neurona artificial
1.4 Arquitecturas de redes neuronales
1.5 Modos de operación: recuerdo y aprendizaje
1.6 Clasificación de los modelos neuronales
1.7 Computabilidad neuronal
1.8 Un ejercicio de síntesis: sistemas conexionistas
1.9 Realización y aplicaciones de los ANS
1.A Apéndice: de la neurona biológica a la artificial
CAPÍTULO 2. REDES NEURONALES SUPERVISADAS
2.1 Redes unidireccionales
2.2 El asociador lineal: aprendizaje hebbiano
2.3 El perceptrón simple (Rosenblatt, 1959)
2.3.1 Algoritmo de aprendizaje del perceptrón
2.4 Adalina (Widrow, 1961)
2.4.1 Regla LMS
2.5 El perceptrón multicapa (grupo PDP, 1986)
2.5.1 El MLP como aproximador universal de funciones
2.5.2 Aprendizaje por retropropagación de errores (BP)
2.5.3 Aceleración del aprendizaje BP. Otros algoritmos
2.6 Capacidad de generalización de la red
2.7 Pinceladas sobre la relación del MLP con los métodos estadísticos
2.8 Ejemplos de aplicación del MLP-BP
CAPÍTULO 3. REDES AUTOORGANIZADAS
3.1 Modelos neuronales no supervisados
3.2 Modelo de mapas autoorganizados (Kohonen, 1982)
3.2.1 Introducción a los mapas autoorganizados
3.2.2 Algoritmo de aprendizaje
3.2.3 Algunas variantes de los SOFM
3.3 Ejemplos de aplicaciones
3.4 SOFM: cuantificación óptima de vectores
3.5 Análisis formal del proceso de autoorganización
3.6 Modelos de neurona de Kohonen. Medidas de similitud
3.7 Modelos de aprendizaje en mapas autoorganizados
CAPÍTULO 4. OTROS MODELOS DE REDES NEURONALES
4.1 Redes neuronales realimentadas
4.2 Modelo de Hopfield
4.2.1 Modelo de neurona y arquitectura. Dinámicas
4.2.2 Memoria asociativa
4.2.3 Función energía de la red
4.3 Aprendizaje en la red de Hopfield
4.3.1 Regla de Hebb
4.3.2 Reglas de aprendizaje óptimas
4.4 Ejemplo: reconocimiento de caracteres
4.5 Neuronas estocásticas. Máquina de Boltzmann
4.6 Modelo de Hopfield analógico (continuo)
4.6.1 Modelo de Hopfield de neuronas continuas
4.6.2 Aplicaciones del modelo de Hopfield
analógico. Optimización
4.7 Funciones de base radial (RBF)
4.8 LVQ
4.9 Otros modelos de redes neuronales
CAPÍTULO 5. IMPLEMENTACIÓN DE REDES NEURONALES
5.1 Introducción
5.2 Simulación (software) de ANS
5.3 Emulación (hardware) de ANS
5.4 Realización hardware de ANS

Ultimacomic es una marca registrada por Ultimagame S.L - Ultimacomic.com y Ultimagame.com pertenecen a la empresa Ultimagame S.L - Datos Fiscales: B92641216 - Datos de Inscripción Registral: Inscrita en el Registro Mercantíl de Málaga, TOMO: 3815. LIBRO: 2726. FOLIO: 180. HOJA: MA-77524.
2003 - 2019, COPYRIGHT ULTIMAGAME S.L. - Leer esta página significa estar deacuerdo con la Política de privacidad y de uso