دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Clustering, Classification, and Time Series Prediction by Using Artificial Neural Networks
دانلود کتاب خوشه بندی ، طبقه بندی و پیش بینی سری زمانی با استفاده از شبکه های عصبی مصنوعی
مشخصات کتاب
Clustering, Classification, and Time Series Prediction by Using Artificial Neural Networks
ویرایش: نویسندگان: Patricia Melin, Martha Ramirez, Oscar Castillo سری: SpringerBriefs in Applied Sciences and Technology ISBN (شابک) : 9783031711015, 9783031711008 ناشر: Springer سال نشر: 2024 تعداد صفحات: 115 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 Mb
قیمت کتاب (تومان) : 89,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Clustering, Classification, and Time Series Prediction by Using Artificial Neural Networks 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 خوشه بندی ، طبقه بندی و پیش بینی سری زمانی با استفاده از شبکه های عصبی مصنوعی 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 خوشه بندی ، طبقه بندی و پیش بینی سری زمانی با استفاده از شبکه های عصبی مصنوعی
این کتاب با استفاده از شبکه های عصبی مصنوعی برای شبیه سازی محاسباتی رفتار عملکردهای شناختی مغز ، الگوی جدیدی را برای خوشه بندی ، طبقه بندی و پیش بینی سری زمانی ارائه می دهد. این مدل بر مطالعه سیستم های عصبی هوشمند ترکیبی و استفاده از آنها در سیستم های تجزیه و تحلیل سری زمانی و سیستم های پشتیبانی تصمیم گیری متمرکز شده است. بنابراین ، از طریق توسعه هشت مطالعه موردی ، چندین سری زمانی مربوط به مشکلات زیر مورد تجزیه و تحلیل قرار می گیرد: حوادث ترافیکی ، کیفیت هوا و شاخص های جهانی چندگانه (مصرف انرژی ، میزان تولد ، میزان مرگ و میر ، رشد جمعیت ، تورم ، بیکاری ، توسعه پایدار و کیفیت زندگی). سهم اصلی شامل یک ادغام فازی نوع 2 از شاخص های مختلف (سری زمانی) با استفاده از شبکه های عصبی تحت نظارت و بدون نظارت و مجموعه ای از نوع 1 ، بازه نوع 2 و سیستم های فازی نوع 2 است. نتایج به دست آمده مزایای مدل پیشنهادی ادغام فازی نوع 2 را از ویژگی های سری زمانی چندگانه نشان می دهد. این کتاب در نظر گرفته شده است که مرجع دانشمندان و مهندسان علاقه مند به استفاده از تکنیک های منطق فازی نوع 2 برای حل مشکلات در طبقه بندی و پیش بینی باشد. ما در نظر داریم که این کتاب همچنین می تواند برای به دست آوردن ایده های جدید برای خطوط جدید تحقیق یا ادامه خطوط تحقیق ارائه شده توسط نویسندگان کتاب استفاده شود.
توضیحاتی درمورد کتاب به خارجی
This book provides a new model for clustering, classification, and time series prediction by using artificial neural networks to computationally simulate the behavior of the cognitive functions of the brain is presented. This model focuses on the study of intelligent hybrid neural systems and their use in time series analysis and decision support systems. Therefore, through the development of eight case studies, multiple time series related to the following problems are analyzed: traffic accidents, air quality and multiple global indicators (energy consumption, birth rate, mortality rate, population growth, inflation, unemployment, sustainable development, and quality of life). The main contribution consists of a Generalized Type-2 fuzzy integration of multiple indicators (time series) using both supervised and unsupervised neural networks and a set of Type-1, Interval Type-2, and Generalized Type-2 fuzzy systems. The obtained results show the advantages of the proposed model of Generalized Type-2 fuzzy integration of multiple time series attributes. This book is intended to be a reference for scientists and engineers interested in applying type-2 fuzzy logic techniques for solving problems in classification and prediction. We consider that this book can also be used to get novel ideas for new lines of research, or to continue the lines of research proposed by the authors of the book.
فهرست مطالب
Preface Contents 1 Introduction to Prediction with Neural Networks References 2 Literature Review on Prediction with Neural Networks 2.1 Time Series 2.2 Neural Networks 2.3 Type-2 Fuzzy Systems 2.4 Multi-Criteria Decision Making 2.5 Cognitive Flexibility References 3 Problem Description of Prediction with Neural Networks 3.1 Case Studies 3.1.1 Traffic Accidents (CS.1) 3.1.2 Air Quality (CS.2) 3.1.3 Multiple Country Indicators (CS.3) 3.1.4 Multiple OECD Indicators (CS.4) 3.1.5 Global OECD Criteria (CS.5) 3.1.6 Consumption Levels LDCs (CS.6) 3.1.7 Indicators of Latin American Countries (CS.7) 3.1.8 World Development Indicators (CS.8) 3.2 Time Series Datasets References 4 Methodology for Prediction with Neural Networks 4.1 Case Study CS.1 4.2 Case Study CS.2 4.3 Case Study CS.3 4.4 Case Study CS.4 4.5 Case Study CS.5 4.6 Case Study CS.6 4.7 Case Study CS.7 4.8 Case Study CS.8 5 Results of Prediction with Neural Networks 5.1 Case Study CS.1 5.2 Case Study CS.2 5.3 Case Study CS.3 5.4 Case Study CS.4 5.5 Case Study CS.5 5.6 Case Study CS.6 5.7 Case Study CS.7 5.8 Case Study CS.8 6 Discussion of Prediction Results with Neural Networks 7 Conclusions for Prediction with Neural Networks Index
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Die Zukunft der Landwirtschaft: Konventioneller, gentechnikbasierter und ökologischer Landbau im umfassenden Vergleich
دانلود کتاب Opium Regimes: China, Britain, and Japan, 1839-1952
دانلود کتاب Second Quantized Approach to Quantum Chemistry: An Elementary Introduction
دانلود کتاب First Steps in Winemaking
