Książki na temat „Recurrent Neural Network architecture”
Utwórz poprawne odniesienie w stylach APA, MLA, Chicago, Harvard i wielu innych
Sprawdź 31 najlepszych książek naukowych na temat „Recurrent Neural Network architecture”.
Przycisk „Dodaj do bibliografii” jest dostępny obok każdej pracy w bibliografii. Użyj go – a my automatycznie utworzymy odniesienie bibliograficzne do wybranej pracy w stylu cytowania, którego potrzebujesz: APA, MLA, Harvard, Chicago, Vancouver itp.
Możesz również pobrać pełny tekst publikacji naukowej w formacie „.pdf” i przeczytać adnotację do pracy online, jeśli odpowiednie parametry są dostępne w metadanych.
Przeglądaj książki z różnych dziedzin i twórz odpowiednie bibliografie.
Dayhoff, Judith E. Neural network architectures: An introduction. New York, N.Y: Van Nostrand Reinhold, 1990.
Znajdź pełny tekst źródłaT, Leondes Cornelius, red. Neural network systems, techniques, and applications. San Diego: Academic Press, 1998.
Znajdź pełny tekst źródłaC, Jain L., i Johnson R. P, red. Automatic generation of neural network architecture using evolutionary computation. Singapore: World Scientific, 1997.
Znajdź pełny tekst źródłaCios, Krzysztof J. Self-growing neural network architecture using crisp and fuzzy entropy. [Washington, DC]: National Aeronautics and Space Administration, 1992.
Znajdź pełny tekst źródłaCios, Krzysztof J. Self-growing neural network architecture using crisp and fuzzy entropy. [Washington, DC]: National Aeronautics and Space Administration, 1992.
Znajdź pełny tekst źródłaCios, Krzysztof J. Self-growing neural network architecture using crisp and fuzzy entropy. [Washington, DC]: National Aeronautics and Space Administration, 1992.
Znajdź pełny tekst źródłaCios, Krzysztof J. Self-growing neural network architecture using crisp and fuzzy entropy. [Washington, DC]: National Aeronautics and Space Administration, 1992.
Znajdź pełny tekst źródłaUnited States. National Aeronautics and Space Administration., red. A neural network architecture for implementation of expert sytems for real time monitoring. [Cincinnati, Ohio]: University of Cincinnati, College of Engineering, 1991.
Znajdź pełny tekst źródłaLim, Chee Peng. Probabilistic fuzzy ARTMAP: An autonomous neural network architecture for Bayesian probability estimation. Sheffield: University of Sheffield, Dept. of Automatic Control & Systems Engineering, 1995.
Znajdź pełny tekst źródłaUnited States. National Aeronautics and Space Administration., red. A novel approach to noise-filtering based on a gain-scheduling neural network architecture. [Washington, DC]: National Aeronautics and Space Administration, 1994.
Znajdź pełny tekst źródłaLim, Chee Peng. A Multiple neural network architecture for sequential evidence aggregation and incomplete data classification. Sheffield: Univeristy of Sheffield, Dept. of Automatic Control and Systems Engineering, 1997.
Znajdź pełny tekst źródłaSalem, Fathi M. Recurrent Neural Networks: From Simple to Gated Architectures. Springer International Publishing AG, 2021.
Znajdź pełny tekst źródłaRecurrent Neural Networks for Prediction: Learning Algorithms, Architectures and Stability. Wiley, 2001.
Znajdź pełny tekst źródłaMandic, Danilo P., i Jonathon A. Chambers. Recurrent Neural Networks for Prediction: Learning Algorithms, Architectures and Stability. Wiley & Sons, Incorporated, John, 2003.
Znajdź pełny tekst źródłaMandic, Danilo P., i Jonathon A. Chambers. Recurrent Neural Networks for Prediction: Learning Algorithms, Architectures and Stability. Wiley & Sons, Incorporated, John, 2002.
Znajdź pełny tekst źródłaMagic, John, i Mark Magic. Action Recognition Using Python and Recurrent Neural Network. Independently Published, 2019.
Znajdź pełny tekst źródłaYi, Zhang, i K. K. Tan. Convergence Analysis of Recurrent Neural Networks (Network Theory and Applications). Springer, 2003.
Znajdź pełny tekst źródłaSpiNNaker: A Spiking Neural Network Architecture. now publishers, Inc., 2020. http://dx.doi.org/10.1561/9781680836523.
Pełny tekst źródłaSpiNNaker - a Spiking Neural Network Architecture. Now Publishers, 2020.
Znajdź pełny tekst źródłaNeural Network Architectures: An Introduction. Van Nostrand Reinhold, 1989.
Znajdź pełny tekst źródłaMagic, John, i Mark Magic. Action Recognition: Step-By-step Recognizing Actions with Python and Recurrent Neural Network. Independently Published, 2019.
Znajdź pełny tekst źródłaShan, Yunting, John Magic i Mark Magic. Action Recognition: Step-By-step Recognizing Actions with Python and Recurrent Neural Network. Independently Published, 2019.
Znajdź pełny tekst źródłaHinton, Geoffrey E. Neural network architectures for artificial intelligence (Tutorial). American Association for Artificial Intelligence, 1988.
Znajdź pełny tekst źródłaChiang, Chin. The architecture and design of a neural network classifier. 1990.
Znajdź pełny tekst źródłaHo, Ki-Cheong. Optimisation of neural network architecture for modelling and control. 1998.
Znajdź pełny tekst źródłaKane, Andrew J. An instruction systolic array architecture for multiple neural network types. 1998.
Znajdź pełny tekst źródłaA novel approach to noise-filtering based on a gain-scheduling neural network architecture. [Washington, DC]: National Aeronautics and Space Administration, 1994.
Znajdź pełny tekst źródłaParallel Implementation of an Artificial Neural Network Integrated Feature and Architecture Selection Algorithm. Storming Media, 1998.
Znajdź pełny tekst źródłaMitchell, Laura, Vishnu Subramanian i Sri Yogesh K. Deep Learning with Pytorch 1. x: Implement Deep Learning Techniques and Neural Network Architecture Variants Using Python, 2nd Edition. Packt Publishing, Limited, 2019.
Znajdź pełny tekst źródłaFletcher, Justin Barrows Swore. A constructive approach to hybrid architectures for machine learning. 1994.
Znajdź pełny tekst źródłaThagard, Paul. Brain-Mind. Oxford University Press, 2019. http://dx.doi.org/10.1093/oso/9780190678715.001.0001.
Pełny tekst źródła