ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Applied Genetic Programming and Machine Learning (Crc Press International Series on Computational Intelligence)

دانلود کتاب برنامه نویسی ژنتیک کاربردی و یادگیری ماشین (سری ICC در مورد محاسبات هوشمند)

Applied Genetic Programming and Machine Learning (Crc Press International Series on Computational Intelligence)

مشخصات کتاب

Applied Genetic Programming and Machine Learning (Crc Press International Series on Computational Intelligence)

دسته بندی: فن آوری
ویرایش: 1 
نویسندگان: , ,   
سری:  
ISBN (شابک) : 1439803692, 9781439803691 
ناشر: CRC Press 
سال نشر: 2009 
تعداد صفحات: 338 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت

قیمت کتاب (تومان) : 45,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 19


در صورت تبدیل فایل کتاب Applied Genetic Programming and Machine Learning (Crc Press International Series on Computational Intelligence) 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 برنامه نویسی ژنتیک کاربردی و یادگیری ماشین (سری ICC در مورد محاسبات هوشمند) 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.


توضیحاتی در مورد کتاب برنامه نویسی ژنتیک کاربردی و یادگیری ماشین (سری ICC در مورد محاسبات هوشمند)

پیش‌بینی داده‌های مالی، توسعه قوانین معاملات روزانه و انتخاب نشانگر زیستی چه وجه مشترکی دارند؟ آنها تنها تعدادی از کارهایی هستند که به طور بالقوه می توانند با برنامه نویسی ژنتیکی و تکنیک های یادگیری ماشین حل شوند. نوشته شده توسط رهبران در این زمینه، برنامه نویسی ژنتیک کاربردی و یادگیری ماشین، گسترش برنامه ریزی ژنتیکی (GP) را برای کاربردهای عملی مشخص می کند. این کتاب با انعکاس مفاهیم به سرعت در حال توسعه و پارادایم های در حال ظهور، چگونگی استفاده از تکنیک های یادگیری ماشین، ساخت اپراتورهای یادگیری را که به طور کارآمد از فضای جستجو نمونه برداری می کنند، هدایت فرآیند جستجو از طریق طراحی توابع تناسب هدف، و بررسی عملکرد جستجوی سیستم تکاملی را شرح می دهد. این یک روش برای ادغام تکنیک‌های GP و یادگیری ماشین، ایجاد یک چارچوب تکاملی قوی برای پرداختن به وظایف در زمینه‌هایی مانند پیش‌بینی سری‌های زمانی آشفته، شناسایی سیستم، پیش‌بینی مالی، طبقه‌بندی و داده‌کاوی است. این کتاب نقطه شروعی برای تحقیق در مورد چارچوب های GP گسترده با ادغام چندین طرح یادگیری ماشینی فراهم می کند. با استفاده از مطالعات تجربی برگرفته از زمینه‌هایی مانند شناسایی سیستم، مهندسی مالی و بیو انفورماتیک، نشان می‌دهد که چگونه روش پیشنهادی می‌تواند در حل عملی استقرایی مسئله مفید باشد.


توضیحاتی درمورد کتاب به خارجی

What do financial data prediction, day-trading rule development, and bio-marker selection have in common? They are just a few of the tasks that could potentially be resolved with genetic programming and machine learning techniques. Written by leaders in this field, Applied Genetic Programming and Machine Learning delineates the extension of Genetic Programming (GP) for practical applications. Reflecting rapidly developing concepts and emerging paradigms, this book outlines how to use machine learning techniques, make learning operators that efficiently sample a search space, navigate the search process through the design of objective fitness functions, and examine the search performance of the evolutionary system. It provides a methodology for integrating GP and machine learning techniques, establishing a robust evolutionary framework for addressing tasks from areas such as chaotic time-series prediction, system identification, financial forecasting, classification, and data mining. The book provides a starting point for the research of extended GP frameworks with the integration of several machine learning schemes. Drawing on empirical studies taken from fields such as system identification, finanical engineering, and bio-informatics, it demonstrates how the proposed methodology can be useful in practical inductive problem solving.





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی