Domain ozla.de kaufen?
Wir ziehen mit dem Projekt
ozla.de um.
Sind Sie am Kauf der Domain
ozla.de interessiert?
domain@kv-gmbh.de · 0541-91531010
Domain ozla.de kaufen?
Künstliche neuronale Netze, Fachbücher von Daniel Scholz
Dieses Lehrbuch bietet eine verständliche Einführung in die Welt der neuronalen Netze, die für ein breites Publikum zugänglich ist. Es erklärt grundlegende Algorithmen und Verfahren, die neuronale Netze antreiben, ohne tiefere mathematische Vorkenntnisse oder Programmiererfahrung vorauszusetzen. Die Leser lernen, wie einfache neuronale Netzwerke aufgebaut, trainiert und getestet werden. Darauf aufbauend werden fortgeschrittene Themen wie Convolutional Neural Networks (CNNs), Autoencoder, autoregressive Modelle und Diffusionsmodelle erläutert. Zahlreiche praktische Beispiele und leicht nachvollziehbare Erklärungen machen das Werk zu einem praxisnahen Lehrbuch für alle, die sich in dieses zukunftsweisende Thema einarbeiten möchten.
34,99 €*
Versand: 0,00 €
Sichere Weiterleitung zum Anbieter
Ähnliche Suchbegriffe für Scholz-Daniel-Künstliche-neuronale
Top-Angebote
Produkte zum Begriff Scholz-Daniel-Künstliche-neuronale:
-
Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung, Fachbücher von Jonas KasteIn dem vorliegenden Buch wird der Einsatz eines hybriden Regelungskonzeptes für die Fahrdynamikregelung eines autonomen Versuchsträgers untersucht. Dabei wird ein modellbasierter, kaskadierter Querdynamikregler um ein künstliches neuronales Netzwerk (KNN) erweitert. Das KNN wird ohne Vorwissen implementiert und aktiv im geschlossenen Regelkreis trainiert. Die Untersuchungen werden sowohl in Simulationen als auch in einem realen Versuchsträger durchgeführt. Die Versuche zeigen das Leistungsvermögen des hybriden Regelungskonzeptes. Bei geringer Fahrzeugdynamik ist eine präzise Fahrzeugführung auch ohne KNN möglich. Bei hoher Dynamik resultieren jedoch Abweichungen vom Sollkurs, die durch das iterativ lernende Netzwerk schrittweise reduziert werden. Durch die situationsabhängige Optimierung der Netzwerkgewichte wird der Einfluss des systematischen Fehlers des zugrunde liegenden Modells kompensiert und die Regelgüte verbessert. Dieses Verhalten kann durch geeignete Auswahl der Designparameter des KNN für jedes der betrachteten Szenarien aufgezeigt werden. Die Anpassung der Netzwerkgewichte ermöglicht sowohl im Fehlerfall als auch bei hoher Fahrzeugdynamik und ungenauer Systemidentifikation eine Verbesserung der Regelgüte im Vergleich zum rein modellbasierten Basisregler.109,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Scholz, Daniel: Künstliche neuronale NetzeKünstliche neuronale Netze , Die Welt der generativen KI verstehen , Luft- & Hydraulikfederung > Sportfederung , Erscheinungsjahr: 20250509, Autoren: Scholz, Daniel, Seitenzahl/Blattzahl: 132, Abbildungen: Komplett in Farbe, Keyword: Autoregressive Modelle; Codebeispiele künstliche Intelligenz; Convolutional Neural Networks (CNNs) lernen; Deep Learning Frameworks; Diffusionsmodelle; Generative Adversarial Networks (GANs); Generative KI-Anwendungen; Natural Language Processing (NLP); Neuronale Netze trainieren und testen; Neuronale Netzwerke für Einsteiger; Praxisbuch künstliche neuronale Netze; Reinforcement Learning, Fachschema: Elektronik / Allgemeines, Einführung, Lexikon~Nachrichtentechnik~Algorithmus~Informatik, Fachkategorie: Informatik, Warengruppe: HC/Elektronik/Elektrotechnik/Nachrichtentechnik, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Länge: 216, Breite: 157, Höhe: 22, Gewicht: 520, Produktform: Gebunden,34,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Neuronale Netze mit C# programmieren, Fachbücher von Daniel BaslerNeuronale Netze mit C# programmieren - Aufbau und Training von neuronalen Netzen - Wichtige Machine-Learning-Algorithmen verstehen und einsetzen - Arbeiten mit ML.NET und Infer.NET - Vorstellung des Open Source Framework TensorFlow.NET - Erstellen eines Lex-Chatbots für .NET - Alle Beispiele sind mit Visual Studio und C# umsetzbar - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Sie wollen neuronale Netze und Machine-Learning-Algorithmen mit C# entwickeln? Dann finden Sie in diesem Buch eine gut verständliche Einführung in die Grundlagen und es wird Ihnen gezeigt, wie Sie neuronale Netze und Machine-Learning-Algorithmen in Ihren eigenen Projekten praktisch einsetzen. Mithilfe von Beispielen erstellen und trainieren Sie Ihr erstes neuronales Netz zur vorausschauenden Wartung einer Produktionsmaschine. Im Praxisteil lernen Sie dann, wie Sie TensorFlow-Modelle in ML.NET benutzen oder Infer.NET direkt verwenden können. Des Weiteren nutzen Sie die Predictive- und Sentiment-Analyse, um sich mit Machine-Learning-Algorithmen vertraut zu machen. Alle im Buch vorgestellten Projekte sind in C# programmiert und stehen als Download zur Verfügung. Grundkenntnisse in C# werden für die Arbeit mit dem Buch vorausgesetzt. Alle Projekte lassen sich ohne grössere Rechnerressourcen umsetzen. Aus dem Inhalt Künstliche Intelligenz: Grundlagen, Konzepte und Methoden von Machine Learning, neuronale Netze bauen und trainieren, Maschinensimulation mit Multilayer Perceptron (MLP), Backpropagation, Recurrent Neural Networks, Convolutional Neural Networks, Machine Learning as a Service, Predictive Analytics, Objekterkennung, Sentiment-Analyse. Daniel Basler arbeitet als Lead Developer und Softwarearchitekt. Seine Schwerpunkte liegen auf Cross-Platform-Apps, Android, JavaScript und Microsoft-Technologien. Er entwickelt unter anderem Software für Regal- und Flächenlagersysteme sowie Anlagenvisualisierung und setzt in diesem Umfeld verstärkt Machine-Learning-Methoden ein.59,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
Scholz:Towards Safe Spiking Neural Netw, Fachbücher von Daniel Scholz
Das Buch "Towards Safe Spiking Neural Networks" von Daniel Scholz bietet eine umfassende Analyse der Sicherheitsherausforderungen von Spiking Neural Networks (SNNs) im Bereich der Zeitreihendatenklassifikation. In dieser Dissertation werden innovative Ansätze zur Verbesserung der Sicherheit von SNNs vorgestellt, insbesondere durch selektive Vorhersage, die es ermöglicht, hochunsichere Eingaben abzulehnen und somit Fehler zu reduzieren. Zwei neuartige Methoden werden eingeführt: ein verlustbasierter Monitor, der riskante Eingaben identifiziert, ohne sich auf Ausgabewahrscheinlichkeiten zu stützen, und ein zeitbewusster Ansatz zur Konformitätsvorhersage, der zeitliche Unsicherheiten berücksichtigt, die von herkömmlichen Methoden übersehen werden. Die vorgestellten Methoden werden anhand von vier öffentlichen Datensätzen sowie von Infineons radarbasierter Gestensteuerung getestet und mit modernen Baseline-Methoden wie evidential deep learning (EDL) und neural network ensembles (NNEs) verglichen. Darüber hinaus wird die Anwendung in Echtzeitszenarien mit Streaming-Daten behandelt, wobei SNNs über gleitende Fenster und zustandsbehaftete Architekturen implementiert werden. Die Ergebnisse zeigen, dass die zustandsbehaftete Bereitstellung mehr Fehler erfasst als gleitende Fenster und dass EDL in der Balance zwischen Genauigkeit und Sicherheit übertrifft, während die Konformitätsvorhersage Sicherheitsverbesserungen mit minimalem Rechenaufwand bietet.
34,80 €*
Versand: 0,00 €
Sichere Weiterleitung zum Anbieter
Top-Angebote
Produkte zum Begriff Scholz-Daniel-Künstliche-neuronale:
-
Künstliche neuronale Netze, Fachbücher von Daniel ScholzDieses Lehrbuch bietet eine verständliche Einführung in die Welt der neuronalen Netze, die für ein breites Publikum zugänglich ist. Es erklärt grundlegende Algorithmen und Verfahren, die neuronale Netze antreiben, ohne tiefere mathematische Vorkenntnisse oder Programmiererfahrung vorauszusetzen. Die Leser lernen, wie einfache neuronale Netzwerke aufgebaut, trainiert und getestet werden. Darauf aufbauend werden fortgeschrittene Themen wie Convolutional Neural Networks (CNNs), Autoencoder, autoregressive Modelle und Diffusionsmodelle erläutert. Zahlreiche praktische Beispiele und leicht nachvollziehbare Erklärungen machen das Werk zu einem praxisnahen Lehrbuch für alle, die sich in dieses zukunftsweisende Thema einarbeiten möchten.34,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung, Fachbücher von Jonas KasteIn dem vorliegenden Buch wird der Einsatz eines hybriden Regelungskonzeptes für die Fahrdynamikregelung eines autonomen Versuchsträgers untersucht. Dabei wird ein modellbasierter, kaskadierter Querdynamikregler um ein künstliches neuronales Netzwerk (KNN) erweitert. Das KNN wird ohne Vorwissen implementiert und aktiv im geschlossenen Regelkreis trainiert. Die Untersuchungen werden sowohl in Simulationen als auch in einem realen Versuchsträger durchgeführt. Die Versuche zeigen das Leistungsvermögen des hybriden Regelungskonzeptes. Bei geringer Fahrzeugdynamik ist eine präzise Fahrzeugführung auch ohne KNN möglich. Bei hoher Dynamik resultieren jedoch Abweichungen vom Sollkurs, die durch das iterativ lernende Netzwerk schrittweise reduziert werden. Durch die situationsabhängige Optimierung der Netzwerkgewichte wird der Einfluss des systematischen Fehlers des zugrunde liegenden Modells kompensiert und die Regelgüte verbessert. Dieses Verhalten kann durch geeignete Auswahl der Designparameter des KNN für jedes der betrachteten Szenarien aufgezeigt werden. Die Anpassung der Netzwerkgewichte ermöglicht sowohl im Fehlerfall als auch bei hoher Fahrzeugdynamik und ungenauer Systemidentifikation eine Verbesserung der Regelgüte im Vergleich zum rein modellbasierten Basisregler.109,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Scholz, Daniel: Künstliche neuronale NetzeKünstliche neuronale Netze , Die Welt der generativen KI verstehen , Luft- & Hydraulikfederung > Sportfederung , Erscheinungsjahr: 20250509, Autoren: Scholz, Daniel, Seitenzahl/Blattzahl: 132, Abbildungen: Komplett in Farbe, Keyword: Autoregressive Modelle; Codebeispiele künstliche Intelligenz; Convolutional Neural Networks (CNNs) lernen; Deep Learning Frameworks; Diffusionsmodelle; Generative Adversarial Networks (GANs); Generative KI-Anwendungen; Natural Language Processing (NLP); Neuronale Netze trainieren und testen; Neuronale Netzwerke für Einsteiger; Praxisbuch künstliche neuronale Netze; Reinforcement Learning, Fachschema: Elektronik / Allgemeines, Einführung, Lexikon~Nachrichtentechnik~Algorithmus~Informatik, Fachkategorie: Informatik, Warengruppe: HC/Elektronik/Elektrotechnik/Nachrichtentechnik, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Länge: 216, Breite: 157, Höhe: 22, Gewicht: 520, Produktform: Gebunden,34,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
Ähnliche Suchbegriffe für Scholz-Daniel-Künstliche-neuronale
-
Neuronale Netze mit C# programmieren, Fachbücher von Daniel BaslerNeuronale Netze mit C# programmieren - Aufbau und Training von neuronalen Netzen - Wichtige Machine-Learning-Algorithmen verstehen und einsetzen - Arbeiten mit ML.NET und Infer.NET - Vorstellung des Open Source Framework TensorFlow.NET - Erstellen eines Lex-Chatbots für .NET - Alle Beispiele sind mit Visual Studio und C# umsetzbar - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Sie wollen neuronale Netze und Machine-Learning-Algorithmen mit C# entwickeln? Dann finden Sie in diesem Buch eine gut verständliche Einführung in die Grundlagen und es wird Ihnen gezeigt, wie Sie neuronale Netze und Machine-Learning-Algorithmen in Ihren eigenen Projekten praktisch einsetzen. Mithilfe von Beispielen erstellen und trainieren Sie Ihr erstes neuronales Netz zur vorausschauenden Wartung einer Produktionsmaschine. Im Praxisteil lernen Sie dann, wie Sie TensorFlow-Modelle in ML.NET benutzen oder Infer.NET direkt verwenden können. Des Weiteren nutzen Sie die Predictive- und Sentiment-Analyse, um sich mit Machine-Learning-Algorithmen vertraut zu machen. Alle im Buch vorgestellten Projekte sind in C# programmiert und stehen als Download zur Verfügung. Grundkenntnisse in C# werden für die Arbeit mit dem Buch vorausgesetzt. Alle Projekte lassen sich ohne grössere Rechnerressourcen umsetzen. Aus dem Inhalt Künstliche Intelligenz: Grundlagen, Konzepte und Methoden von Machine Learning, neuronale Netze bauen und trainieren, Maschinensimulation mit Multilayer Perceptron (MLP), Backpropagation, Recurrent Neural Networks, Convolutional Neural Networks, Machine Learning as a Service, Predictive Analytics, Objekterkennung, Sentiment-Analyse. Daniel Basler arbeitet als Lead Developer und Softwarearchitekt. Seine Schwerpunkte liegen auf Cross-Platform-Apps, Android, JavaScript und Microsoft-Technologien. Er entwickelt unter anderem Software für Regal- und Flächenlagersysteme sowie Anlagenvisualisierung und setzt in diesem Umfeld verstärkt Machine-Learning-Methoden ein.59,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Scholz:Towards Safe Spiking Neural Netw, Fachbücher von Daniel ScholzDas Buch "Towards Safe Spiking Neural Networks" von Daniel Scholz bietet eine umfassende Analyse der Sicherheitsherausforderungen von Spiking Neural Networks (SNNs) im Bereich der Zeitreihendatenklassifikation. In dieser Dissertation werden innovative Ansätze zur Verbesserung der Sicherheit von SNNs vorgestellt, insbesondere durch selektive Vorhersage, die es ermöglicht, hochunsichere Eingaben abzulehnen und somit Fehler zu reduzieren. Zwei neuartige Methoden werden eingeführt: ein verlustbasierter Monitor, der riskante Eingaben identifiziert, ohne sich auf Ausgabewahrscheinlichkeiten zu stützen, und ein zeitbewusster Ansatz zur Konformitätsvorhersage, der zeitliche Unsicherheiten berücksichtigt, die von herkömmlichen Methoden übersehen werden. Die vorgestellten Methoden werden anhand von vier öffentlichen Datensätzen sowie von Infineons radarbasierter Gestensteuerung getestet und mit modernen Baseline-Methoden wie evidential deep learning (EDL) und neural network ensembles (NNEs) verglichen. Darüber hinaus wird die Anwendung in Echtzeitszenarien mit Streaming-Daten behandelt, wobei SNNs über gleitende Fenster und zustandsbehaftete Architekturen implementiert werden. Die Ergebnisse zeigen, dass die zustandsbehaftete Bereitstellung mehr Fehler erfasst als gleitende Fenster und dass EDL in der Balance zwischen Genauigkeit und Sicherheit übertrifft, während die Konformitätsvorhersage Sicherheitsverbesserungen mit minimalem Rechenaufwand bietet.34,80 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
* Alle Preise verstehen sich inklusive der gesetzlichen Mehrwertsteuer und ggf. zuzüglich Versandkosten. Die Angebotsinformationen basieren auf den Angaben des jeweiligen Shops und werden über automatisierte Prozesse aktualisiert. Eine Aktualisierung in Echtzeit findet nicht statt, so dass es im Einzelfall zu Abweichungen kommen kann. ** Hinweis: Teile dieses Inhalts wurden von KI erstellt.