Книги з теми "Recurrent Neural Network architecture"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся з топ-31 книг для дослідження на тему "Recurrent Neural Network architecture".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Переглядайте книги для різних дисциплін та оформлюйте правильно вашу бібліографію.
Dayhoff, Judith E. Neural network architectures: An introduction. New York, N.Y: Van Nostrand Reinhold, 1990.
Знайти повний текст джерелаT, Leondes Cornelius, ed. Neural network systems, techniques, and applications. San Diego: Academic Press, 1998.
Знайти повний текст джерелаC, Jain L., and Johnson R. P, eds. Automatic generation of neural network architecture using evolutionary computation. Singapore: World Scientific, 1997.
Знайти повний текст джерелаCios, Krzysztof J. Self-growing neural network architecture using crisp and fuzzy entropy. [Washington, DC]: National Aeronautics and Space Administration, 1992.
Знайти повний текст джерелаCios, Krzysztof J. Self-growing neural network architecture using crisp and fuzzy entropy. [Washington, DC]: National Aeronautics and Space Administration, 1992.
Знайти повний текст джерелаCios, Krzysztof J. Self-growing neural network architecture using crisp and fuzzy entropy. [Washington, DC]: National Aeronautics and Space Administration, 1992.
Знайти повний текст джерелаCios, Krzysztof J. Self-growing neural network architecture using crisp and fuzzy entropy. [Washington, DC]: National Aeronautics and Space Administration, 1992.
Знайти повний текст джерелаUnited States. National Aeronautics and Space Administration., ed. A neural network architecture for implementation of expert sytems for real time monitoring. [Cincinnati, Ohio]: University of Cincinnati, College of Engineering, 1991.
Знайти повний текст джерелаLim, 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.
Знайти повний текст джерелаUnited States. National Aeronautics and Space Administration., ed. A novel approach to noise-filtering based on a gain-scheduling neural network architecture. [Washington, DC]: National Aeronautics and Space Administration, 1994.
Знайти повний текст джерелаLim, 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.
Знайти повний текст джерелаSalem, Fathi M. Recurrent Neural Networks: From Simple to Gated Architectures. Springer International Publishing AG, 2021.
Знайти повний текст джерелаRecurrent Neural Networks for Prediction: Learning Algorithms, Architectures and Stability. Wiley, 2001.
Знайти повний текст джерелаMandic, Danilo P., and Jonathon A. Chambers. Recurrent Neural Networks for Prediction: Learning Algorithms, Architectures and Stability. Wiley & Sons, Incorporated, John, 2003.
Знайти повний текст джерелаMandic, Danilo P., and Jonathon A. Chambers. Recurrent Neural Networks for Prediction: Learning Algorithms, Architectures and Stability. Wiley & Sons, Incorporated, John, 2002.
Знайти повний текст джерелаMagic, John, and Mark Magic. Action Recognition Using Python and Recurrent Neural Network. Independently Published, 2019.
Знайти повний текст джерелаYi, Zhang, and K. K. Tan. Convergence Analysis of Recurrent Neural Networks (Network Theory and Applications). Springer, 2003.
Знайти повний текст джерелаSpiNNaker: A Spiking Neural Network Architecture. now publishers, Inc., 2020. http://dx.doi.org/10.1561/9781680836523.
Повний текст джерелаSpiNNaker - a Spiking Neural Network Architecture. Now Publishers, 2020.
Знайти повний текст джерелаNeural Network Architectures: An Introduction. Van Nostrand Reinhold, 1989.
Знайти повний текст джерелаMagic, John, and Mark Magic. Action Recognition: Step-By-step Recognizing Actions with Python and Recurrent Neural Network. Independently Published, 2019.
Знайти повний текст джерелаShan, Yunting, John Magic, and Mark Magic. Action Recognition: Step-By-step Recognizing Actions with Python and Recurrent Neural Network. Independently Published, 2019.
Знайти повний текст джерелаHinton, Geoffrey E. Neural network architectures for artificial intelligence (Tutorial). American Association for Artificial Intelligence, 1988.
Знайти повний текст джерелаChiang, Chin. The architecture and design of a neural network classifier. 1990.
Знайти повний текст джерелаHo, Ki-Cheong. Optimisation of neural network architecture for modelling and control. 1998.
Знайти повний текст джерелаKane, Andrew J. An instruction systolic array architecture for multiple neural network types. 1998.
Знайти повний текст джерелаA novel approach to noise-filtering based on a gain-scheduling neural network architecture. [Washington, DC]: National Aeronautics and Space Administration, 1994.
Знайти повний текст джерелаParallel Implementation of an Artificial Neural Network Integrated Feature and Architecture Selection Algorithm. Storming Media, 1998.
Знайти повний текст джерелаMitchell, Laura, Vishnu Subramanian, and 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.
Знайти повний текст джерелаFletcher, Justin Barrows Swore. A constructive approach to hybrid architectures for machine learning. 1994.
Знайти повний текст джерелаThagard, Paul. Brain-Mind. Oxford University Press, 2019. http://dx.doi.org/10.1093/oso/9780190678715.001.0001.
Повний текст джерела