Autor Tang, Huajin
|
|
Documentos disponibles escritos por este autor (3)
Hacer una sugerencia Refinar búsqueda16th International Symposium on Neural Networks, ISNN 2019, Moscow, Russia, July 10–12, 2019, Proceedings, Part I / Lu, Huchuan ; Tang, Huajin ; Wang, Zhanshan
Título : 16th International Symposium on Neural Networks, ISNN 2019, Moscow, Russia, July 10–12, 2019, Proceedings, Part I Tipo de documento: documento electrónico Autores: Lu, Huchuan, ; Tang, Huajin, ; Wang, Zhanshan, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXII, 483 p. 198 ilustraciones, 133 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-22796-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial Visión por computador Análisis numérico Procesamiento de datos Informática Algoritmos Minería de datos y descubrimiento de conocimientos Aplicaciones matemáticas en informática Índice Dewey: 006.3 Inteligencia artificial Resumen: Este conjunto de dos volúmenes LNCS 11554 y 11555 constituye las actas arbitradas del 16.º Simposio Internacional sobre Redes Neuronales, ISNN 2019, celebrado en Moscú, Rusia, en julio de 2019. Los 111 artículos presentados en los dos volúmenes fueron cuidadosamente revisados y seleccionados entre numerosos presentaciones. Los artículos se organizaron en secciones temáticas denominadas: Sistema de aprendizaje, Modelo gráfico y Aprendizaje adversario; Análisis de series temporales, predicción dinámica y estimación incierta; Optimización de modelos, aprendizaje bayesiano y agrupación; Teoría de Juegos, Análisis de Estabilidad y Método de Control; Procesamiento de Señales, Aplicación Industrial y Generación de Datos; Reconocimiento de imágenes, comprensión de escenas y análisis de vídeo; Bioseñal, Ingeniería Biomédica y Hardware. . Nota de contenido: Learning System, Graph Model, and Adversarial Learning -- Time Series Analysis, Dynamic Prediction, and Uncertain Estimation -- Model Optimization, Bayesian Learning, and Clustering -- Game Theory, Stability Analysis, and Control Method -- Signal Processing, Industrial Application, and Data Generation -- Image Recognition, Scene Understanding, and Video Analysis -- Bio-signal, Biomedical Engineering, and Hardware. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i 16th International Symposium on Neural Networks, ISNN 2019, Moscow, Russia, July 10–12, 2019, Proceedings, Part I [documento electrónico] / Lu, Huchuan, ; Tang, Huajin, ; Wang, Zhanshan, . - 1 ed. . - [s.l.] : Springer, 2019 . - XXII, 483 p. 198 ilustraciones, 133 ilustraciones en color.
ISBN : 978-3-030-22796-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Visión por computador Análisis numérico Procesamiento de datos Informática Algoritmos Minería de datos y descubrimiento de conocimientos Aplicaciones matemáticas en informática Índice Dewey: 006.3 Inteligencia artificial Resumen: Este conjunto de dos volúmenes LNCS 11554 y 11555 constituye las actas arbitradas del 16.º Simposio Internacional sobre Redes Neuronales, ISNN 2019, celebrado en Moscú, Rusia, en julio de 2019. Los 111 artículos presentados en los dos volúmenes fueron cuidadosamente revisados y seleccionados entre numerosos presentaciones. Los artículos se organizaron en secciones temáticas denominadas: Sistema de aprendizaje, Modelo gráfico y Aprendizaje adversario; Análisis de series temporales, predicción dinámica y estimación incierta; Optimización de modelos, aprendizaje bayesiano y agrupación; Teoría de Juegos, Análisis de Estabilidad y Método de Control; Procesamiento de Señales, Aplicación Industrial y Generación de Datos; Reconocimiento de imágenes, comprensión de escenas y análisis de vídeo; Bioseñal, Ingeniería Biomédica y Hardware. . Nota de contenido: Learning System, Graph Model, and Adversarial Learning -- Time Series Analysis, Dynamic Prediction, and Uncertain Estimation -- Model Optimization, Bayesian Learning, and Clustering -- Game Theory, Stability Analysis, and Control Method -- Signal Processing, Industrial Application, and Data Generation -- Image Recognition, Scene Understanding, and Video Analysis -- Bio-signal, Biomedical Engineering, and Hardware. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : 16th International Symposium on Neural Networks, ISNN 2019, Moscow, Russia, July 10–12, 2019, Proceedings, Part II Tipo de documento: documento electrónico Autores: Lu, Huchuan, ; Tang, Huajin, ; Wang, Zhanshan, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXI, 615 p. 322 ilustraciones, 201 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-22808-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial Visión por computador Análisis numérico Procesamiento de datos Informática Algoritmos Minería de datos y descubrimiento de conocimientos Aplicaciones matemáticas en informática Índice Dewey: 006.3 Inteligencia artificial Resumen: Este conjunto de dos volúmenes LNCS 11554 y 11555 constituye las actas arbitradas del 16.º Simposio Internacional sobre Redes Neuronales, ISNN 2019, celebrado en Moscú, Rusia, en julio de 2019. Los 111 artículos presentados en los dos volúmenes fueron cuidadosamente revisados y seleccionados entre numerosos presentaciones. Los artículos se organizaron en secciones temáticas denominadas: Sistema de aprendizaje, Modelo gráfico y Aprendizaje adversario; Análisis de series temporales, predicción dinámica y estimación incierta; Optimización de modelos, aprendizaje bayesiano y agrupación; Teoría de Juegos, Análisis de Estabilidad y Método de Control; Procesamiento de Señales, Aplicación Industrial y Generación de Datos; Reconocimiento de imágenes, comprensión de escenas y análisis de vídeo; Bioseñal, Ingeniería Biomédica y Hardware. . Nota de contenido: Learning System, Graph Model, and Adversarial Learning -- Time Series Analysis, Dynamic Prediction, and Uncertain Estimation -- Model Optimization, Bayesian Learning, and Clustering -- Game Theory, Stability Analysis, and Control Method -- Signal Processing, Industrial Application, and Data Generation -- Image Recognition, Scene Understanding, and Video Analysis -- Bio-signal, Biomedical Engineering, and Hardware. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i 16th International Symposium on Neural Networks, ISNN 2019, Moscow, Russia, July 10–12, 2019, Proceedings, Part II [documento electrónico] / Lu, Huchuan, ; Tang, Huajin, ; Wang, Zhanshan, . - 1 ed. . - [s.l.] : Springer, 2019 . - XXI, 615 p. 322 ilustraciones, 201 ilustraciones en color.
ISBN : 978-3-030-22808-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Visión por computador Análisis numérico Procesamiento de datos Informática Algoritmos Minería de datos y descubrimiento de conocimientos Aplicaciones matemáticas en informática Índice Dewey: 006.3 Inteligencia artificial Resumen: Este conjunto de dos volúmenes LNCS 11554 y 11555 constituye las actas arbitradas del 16.º Simposio Internacional sobre Redes Neuronales, ISNN 2019, celebrado en Moscú, Rusia, en julio de 2019. Los 111 artículos presentados en los dos volúmenes fueron cuidadosamente revisados y seleccionados entre numerosos presentaciones. Los artículos se organizaron en secciones temáticas denominadas: Sistema de aprendizaje, Modelo gráfico y Aprendizaje adversario; Análisis de series temporales, predicción dinámica y estimación incierta; Optimización de modelos, aprendizaje bayesiano y agrupación; Teoría de Juegos, Análisis de Estabilidad y Método de Control; Procesamiento de Señales, Aplicación Industrial y Generación de Datos; Reconocimiento de imágenes, comprensión de escenas y análisis de vídeo; Bioseñal, Ingeniería Biomédica y Hardware. . Nota de contenido: Learning System, Graph Model, and Adversarial Learning -- Time Series Analysis, Dynamic Prediction, and Uncertain Estimation -- Model Optimization, Bayesian Learning, and Clustering -- Game Theory, Stability Analysis, and Control Method -- Signal Processing, Industrial Application, and Data Generation -- Image Recognition, Scene Understanding, and Video Analysis -- Bio-signal, Biomedical Engineering, and Hardware. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Neuromorphic Cognitive Systems : A Learning and Memory Centered Approach Tipo de documento: documento electrónico Autores: Yu, Qiang, Autor ; Tang, Huajin, Autor ; Hu, Jun, Autor ; Tan Chen, Kay, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XIV, 172 p. ISBN/ISSN/DL: 978-3-319-55310-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia Computacional Inteligencia artificial Neurociencias Neurociencia Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro presenta los sistemas cognitivos neuromórficos desde una perspectiva centrada en el aprendizaje y la memoria. Ilustra cómo construir una red de sistemas de neuronas para realizar tareas cognitivas de alto nivel, computación y procesamiento de información basadas en picos. Es beneficioso para un amplio espectro de lectores, incluidos estudiantes de pregrado y posgrado e investigadores interesados en la computación neuromórfica y la ingeniería neuromórfica, así como ingenieros y profesionales de la industria que participan en el diseño y las aplicaciones de sistemas cognitivos neuromórficos, sensores y procesadores neuromórficos y robótica cognitiva. El libro formula un marco sistemático, desde los métodos matemáticos y computacionales básicos en la codificación neuronal basada en picos, el aprendizaje en redes de una o varias capas, hasta un nivel casi cognitivo compuesto por la memoria y la cognición. Dado que los mecanismos para integrar neuronas que generan picos para formular funciones cognitivas como en el cerebro son poco comprendidos, se necesitan urgentemente estudios de los sistemas cognitivos neuromórficos. Los temas tratados en este libro van desde el nivel neuronal hasta el nivel del sistema. En el nivel neuronal, la adaptación sináptica juega un papel importante en los patrones de aprendizaje. Para realizar funciones cognitivas de nivel superior, como el reconocimiento y la memoria, se integran de forma consistente neuronas con capacidad de aprendizaje, formando un sistema con funciones de codificación, aprendizaje y memoria. El libro describe estos aspectos en detalle. Nota de contenido: Introduction -- Rapid Feedforward Computation by Temporal Encoding and Learning with Spiking Neurons -- A Spike-Timing Based Integrated Model for Pattern Recognition -- Precise-Spike-Driven Synaptic Plasticity for Hetero Association of Spatiotemporal Spike Patterns -- A Spiking Neural Network System for Robust Sequence Recognition -- Temporal Learning in Multilayer Spiking Neural Networks Through Construction of Causal Connections -- A Hierarchically Organized Memory Model with Temporal Population Coding -- Spiking Neuron Based Cognitive Memory Model. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Neuromorphic Cognitive Systems : A Learning and Memory Centered Approach [documento electrónico] / Yu, Qiang, Autor ; Tang, Huajin, Autor ; Hu, Jun, Autor ; Tan Chen, Kay, Autor . - 1 ed. . - [s.l.] : Springer, 2017 . - XIV, 172 p.
ISBN : 978-3-319-55310-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia Computacional Inteligencia artificial Neurociencias Neurociencia Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro presenta los sistemas cognitivos neuromórficos desde una perspectiva centrada en el aprendizaje y la memoria. Ilustra cómo construir una red de sistemas de neuronas para realizar tareas cognitivas de alto nivel, computación y procesamiento de información basadas en picos. Es beneficioso para un amplio espectro de lectores, incluidos estudiantes de pregrado y posgrado e investigadores interesados en la computación neuromórfica y la ingeniería neuromórfica, así como ingenieros y profesionales de la industria que participan en el diseño y las aplicaciones de sistemas cognitivos neuromórficos, sensores y procesadores neuromórficos y robótica cognitiva. El libro formula un marco sistemático, desde los métodos matemáticos y computacionales básicos en la codificación neuronal basada en picos, el aprendizaje en redes de una o varias capas, hasta un nivel casi cognitivo compuesto por la memoria y la cognición. Dado que los mecanismos para integrar neuronas que generan picos para formular funciones cognitivas como en el cerebro son poco comprendidos, se necesitan urgentemente estudios de los sistemas cognitivos neuromórficos. Los temas tratados en este libro van desde el nivel neuronal hasta el nivel del sistema. En el nivel neuronal, la adaptación sináptica juega un papel importante en los patrones de aprendizaje. Para realizar funciones cognitivas de nivel superior, como el reconocimiento y la memoria, se integran de forma consistente neuronas con capacidad de aprendizaje, formando un sistema con funciones de codificación, aprendizaje y memoria. El libro describe estos aspectos en detalle. Nota de contenido: Introduction -- Rapid Feedforward Computation by Temporal Encoding and Learning with Spiking Neurons -- A Spike-Timing Based Integrated Model for Pattern Recognition -- Precise-Spike-Driven Synaptic Plasticity for Hetero Association of Spatiotemporal Spike Patterns -- A Spiking Neural Network System for Robust Sequence Recognition -- Temporal Learning in Multilayer Spiking Neural Networks Through Construction of Causal Connections -- A Hierarchically Organized Memory Model with Temporal Population Coding -- Spiking Neuron Based Cognitive Memory Model. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
