دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Jonathan Amezcua, Patricia Melin, Oscar Castillo (auth.) سری: SpringerBriefs in Computational Intelligence ISBN (شابک) : 9783319737720, 9783319737737 ناشر: Springer International Publishing سال نشر: 2018 تعداد صفحات: 78 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب روش طبقه بندی جدید مبتنی بر شبکه های عصبی مدولار با الگوریتم LVQ و منطق فازی نوع 2: هوش محاسباتی
در صورت تبدیل فایل کتاب New Classification Method Based on Modular Neural Networks with the LVQ Algorithm and Type-2 Fuzzy Logic به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب روش طبقه بندی جدید مبتنی بر شبکه های عصبی مدولار با الگوریتم LVQ و منطق فازی نوع 2 نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
در این کتاب مدل جدیدی برای طبقهبندی دادهها ایجاد شد. این مدل جدید مبتنی بر شبکه عصبی رقابتی کوانتیزاسیون برداری یادگیری (LVQ) و منطق فازی نوع 2 است. این مدل محاسباتی از ترکیب تکنیکهای فوقالذکر با استفاده از یک سیستم منطق فازی در لایه رقابتی شبکه LVQ برای تعیین کوتاهترین فاصله بین یک مرکز و یک بردار ورودی تشکیل شده است. این مدل جدید بر اساس یک معماری ماژولار LVQ برای بهبود عملکرد خود در مسائل پیچیده طبقه بندی است. همچنین یک فرآیند تشابه داده را برای پیش پردازش مجموعه داده ها، به منظور ساخت معماری های پویا، با داشتن کلاس هایی با بالاترین درجه شباهت در ماژول های مختلف، پیاده سازی می کند. برخی از معماریها به منظور کار با دو مجموعه داده، یک مجموعه داده آریتمی (با استفاده از سیگنالهای ECG) برای طبقهبندی 15 نوع مختلف آریتمی، و مجموعه دادههای بخش تصاویر ماهوارهای که برای طبقهبندی شش نوع مختلف خاک استفاده میشوند، توسعه داده شدند. هر دو مجموعه داده ویژگی های جالبی را نشان می دهند که آنها را برای آزمایش روش های طبقه بندی جدید جالب می کند.
In this book a new model for data classification was developed. This new model is based on the competitive neural network Learning Vector Quantization (LVQ) and type-2 fuzzy logic. This computational model consists of the hybridization of the aforementioned techniques, using a fuzzy logic system within the competitive layer of the LVQ network to determine the shortest distance between a centroid and an input vector. This new model is based on a modular LVQ architecture to further improve its performance on complex classification problems. It also implements a data-similarity process for preprocessing the datasets, in order to build dynamic architectures, having the classes with the highest degree of similarity in different modules. Some architectures were developed in order to work mainly with two datasets, an arrhythmia dataset (using ECG signals) for classifying 15 different types of arrhythmias, and a satellite images segments dataset used for classifying six different types of soil. Both datasets show interesting features that makes them interesting for testing new classification methods.
Front Matter ....Pages i-viii
Introduction (Jonathan Amezcua, Patricia Melin, Oscar Castillo)....Pages 1-3
Theory and Background (Jonathan Amezcua, Patricia Melin, Oscar Castillo)....Pages 5-27
Problem Statement (Jonathan Amezcua, Patricia Melin, Oscar Castillo)....Pages 29-32
Proposed Classification Method (Jonathan Amezcua, Patricia Melin, Oscar Castillo)....Pages 33-39
Simulation Results (Jonathan Amezcua, Patricia Melin, Oscar Castillo)....Pages 41-54
Conclusions (Jonathan Amezcua, Patricia Melin, Oscar Castillo)....Pages 55-56
Back Matter ....Pages 57-73