Deep Learning Classifiers with Memristive Networks (eBook)

Theory and Applications

Alex Pappachen James (Herausgeber)

eBook Download: PDF
2019 | 1st ed. 2020
XIII, 213 Seiten
Springer International Publishing (Verlag)
978-3-030-14524-8 (ISBN)

Lese- und Medienproben

Deep Learning Classifiers with Memristive Networks -
Systemvoraussetzungen
171,19 inkl. MwSt
  • Download sofort lieferbar
  • Zahlungsarten anzeigen

This book introduces readers to the fundamentals of deep neural network architectures, with a special emphasis on memristor circuits and systems. At first, the book offers an overview of neuro-memristive systems, including memristor devices, models, and theory, as well as an introduction to deep learning neural networks such as multi-layer networks, convolution neural networks, hierarchical temporal memory, and long short term memories, and deep neuro-fuzzy networks. It then focuses on the design of these neural networks using memristor crossbar architectures in detail. The book integrates the theory with various applications of neuro-memristive circuits and systems. It provides an introductory tutorial on a range of issues in the design, evaluation techniques, and implementations of different deep neural network architectures with memristors.



Erscheint lt. Verlag 8.4.2019
Reihe/Serie Modeling and Optimization in Science and Technologies
Modeling and Optimization in Science and Technologies
Zusatzinfo XIII, 213 p. 124 illus., 102 illus. in color.
Sprache englisch
Themenwelt Mathematik / Informatik Informatik Datenbanken
Mathematik / Informatik Informatik Grafik / Design
Technik
Schlagworte Deep Learning Algorithms • Deep Neuro-fuzzy Networks • DNN- based Models for Speech Recognition • Gradient Descent Algorithm • Hierarchical Temporal Memories • Memristive Convolutional Neural Network • Memristive Crossbar Arrays • Memristive Deep Neural Networks • Memristive Edge Computing • Memristive Long Short Term Memory • Memristor Materials • Memristor Models • Memristor Multi-level Memories • Modular Crossbar Array • Neural Network Classifiers • Neuro-memristive Computing
ISBN-10 3-030-14524-7 / 3030145247
ISBN-13 978-3-030-14524-8 / 9783030145248
Haben Sie eine Frage zum Produkt?
PDFPDF (Wasserzeichen)
Größe: 9,7 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasser­zeichen und ist damit für Sie persona­lisiert. Bei einer missbräuch­lichen Weiter­gabe des eBooks an Dritte ist eine Rück­ver­folgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seiten­layout eignet sich die PDF besonders für Fach­bücher mit Spalten, Tabellen und Abbild­ungen. Eine PDF kann auf fast allen Geräten ange­zeigt werden, ist aber für kleine Displays (Smart­phone, eReader) nur einge­schränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Mehr entdecken
aus dem Bereich
der Grundkurs für Ausbildung und Praxis

von Ralf Adams

eBook Download (2023)
Carl Hanser Verlag GmbH & Co. KG
29,99
Das umfassende Handbuch

von Wolfram Langer

eBook Download (2023)
Rheinwerk Computing (Verlag)
34,93
Das umfassende Lehrbuch

von Michael Kofler

eBook Download (2024)
Rheinwerk Computing (Verlag)
34,93