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 Computational Intelligence Assisted Design: In Industrial Revolution 4.0

دانلود کتاب طراحی به کمک هوش محاسباتی: در انقلاب صنعتی 4.0

Computational Intelligence Assisted Design: In Industrial Revolution 4.0

مشخصات کتاب

Computational Intelligence Assisted Design: In Industrial Revolution 4.0

ویرایش:  
نویسندگان: ,   
سری:  
ISBN (شابک) : 9781498760669, 1498760678 
ناشر: Chapman and Hall/CRC 
سال نشر: 2018 
تعداد صفحات: 527 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 مگابایت 

قیمت کتاب (تومان) : 36,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Computational Intelligence Assisted Design: In Industrial Revolution 4.0 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 طراحی به کمک هوش محاسباتی: در انقلاب صنعتی 4.0 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 طراحی به کمک هوش محاسباتی: در انقلاب صنعتی 4.0

چارچوب طراحی به کمک هوش محاسباتی منابع محاسباتی را بسیج می کند، از الگوریتم های چندگانه هوش محاسباتی (CI) استفاده می کند و هزینه های محاسباتی را کاهش می دهد. این کتاب نمونه هایی از کاربردهای دنیای واقعی فناوری را ارائه می دهد. از مطالعات موردی برای نشان دادن ادغام خدمات، ابر، فناوری داده های بزرگ و ماموریت های فضایی استفاده شده است. این کتاب بر مدل‌سازی محاسباتی سیستم‌های هوشمند بیولوژیکی و طبیعی، شامل هوش ازدحام، سیستم‌های فازی، شبکه‌های خنثی مصنوعی، سیستم‌های ایمنی مصنوعی و محاسبات تکاملی تمرکز دارد.



این کتاب در اختیار خوانندگان قرار می‌دهد. با اطلاعات گسترده در مورد الگوریتم‌ها و الگوریتم‌های CI، از خوانندگان دعوت می‌کند تا مسائل پیچیده دنیای واقعی را در چارچوب توسعه CI پیاده‌سازی و حل کنند. این چارچوب پیاده سازی خوانندگان را قادر می سازد تا بدون مشکل از طریق چند کد منبع تست شده متلب با مشکلات جدید مقابله کنند.


توضیحاتی درمورد کتاب به خارجی

Computational Intelligence Assisted Design framework mobilises computational resources, makes use of multiple Computational Intelligence (CI) algorithms and reduces computational costs. This book provides examples of real-world applications of technology. Case studies have been used to show the integration of services, cloud, big data technology and space missions. It focuses on computational modelling of biological and natural intelligent systems, encompassing swarm intelligence, fuzzy systems, artificial neutral networks, artificial immune systems and evolutionary computation.



This book provides readers with wide-scale information on CI paradigms and algorithms, inviting readers to implement and problem solve real-world, complex problems within the CI development framework. This implementation framework will enable readers to tackle new problems without difficulty through a few tested MATLAB source codes



فهرست مطالب

Preface......Page 4
Contents......Page 6
Acronyms......Page 16
History of Computational Intelligence......Page 17
On the Way to Industry 4.0......Page 29
Need for Computational Intelligence in Design and Engineering......Page 31
Terms and Definitions......Page 32
Specialized and Application Areas......Page 34
Information Sources......Page 35
How to Use This Book......Page 37
Problems......Page 38
--- Hands-on Learning of CI......Page 39
Mimicking Natural Evolution......Page 41
Breading Engineering Solutions......Page 42
Nondeterministic Methods for Optimization and Machine Learning......Page 43
Nondeterministic Hill-Climbing......Page 44
Simulated Annealing......Page 48
Parallelism C—An Essential Step Towards Global Search......Page 50
Mutation and Crossover......Page 51
Coding, Genes and Chromosomes......Page 52
The Working Mechanism......Page 53
GAs Transform Exponential Problems to NP-Complete Problems......Page 54
Micro Genetic Algorithm......Page 61
Genetic Algorithm Using Mendel’s Principles......Page 63
Problems......Page 67
Preparation and Conditions of Use......Page 69
Tutorials and Coursework......Page 70
Summary......Page 71
Human Brain and Artificial Neural Networks Central Nervous System and Conventional Computer......Page 73
‘Reproduce’ the Human Brain by Artificial Neural Networks......Page 74
Mathematical Models and Types of ANNs......Page 76
Knowledge Representation......Page 82
Learning Process......Page 83
Learning Paradigms......Page 84
Learning Algorithms Hebbian Learning......Page 88
Error-Correction Learning......Page 89
Darwinian Selective Learning and Darwin Machine......Page 95
Tutorials and Coursework......Page 96
Human Inference and Fuzzy Logic Human Inference and Fuzzy Systems......Page 98
Fuzzy Sets......Page 99
Membership Functions......Page 100
Fuzzy Logic and Decision Making......Page 101
Formation of Fuzzy Decision Signal......Page 103
Fuzzy Rule Base......Page 104
Measurements with Fuzzification and Scaling......Page 106
Defuzzification and Output Signals......Page 107
Tutorial and Coursework......Page 109
--- CIAD & Advanced CI Tools......Page 112
Introduction......Page 114
Optimal Engineering Design......Page 116
Difficulties with Conventional Optimization Methods......Page 118
Converting a Design Problem into a Simulation Problem......Page 119
Further Requirements on a CAD Environment......Page 120
Linking Intelligent Design with Manufacture......Page 121
Computational Intelligence Integrated Solver......Page 123
CIAD......Page 124
CIAE......Page 125
Intelligent Virtual Prototypes......Page 126
CIAM......Page 127
Cyber-Physical Design Integration for Industry 4.0......Page 128
Introduction......Page 130
Aggregating Approaches......Page 132
Pareto-Based Approaches......Page 133
Theory and Applications......Page 136
Multi-Objective Genetic Algorithm......Page 137
Particle Swarm Optimization......Page 139
Ant Colony Optimization......Page 141
Swarm Fish Algorithm Swarm Fish Algorithm with Variable Population......Page 144
Multi-Objective Artificial Swarm Fish Algorithm......Page 147
Case Study......Page 149
Conclusions......Page 151
Swarm Bat Algorithm......Page 152
Firefly Algorithm......Page 154
Artificial Dolphin Swarm Algorithm Introduction......Page 156
Dynamic Behaviors of Dolphins......Page 157
k-Nearest Neighbor Classification......Page 161
Swarm Dolphin Algorithm......Page 162
Introduction......Page 164
Architecture of a Neural Network Controller......Page 165
The Problem of Neurocontroller Design......Page 167
Globally Optimized Design Through a Genetic Algorithm   Difficultie with Conventional Neural Network Training  Methods......Page 168
Training with a Genetic Algorithm......Page 170
GA-based Design for Neural Control of a Linear Plant......Page 171
Training to Cope with Transport Delay......Page 174
Evolving the Architecture......Page 175
GA-Based Design for Neural Control of a Nonlinear Plant......Page 177
Evolving the Architecture......Page 180
Conclusions......Page 182
Introduction......Page 183
PI-Type Fuzzy Decision Making......Page 184
PID-Type Decision Making......Page 185
Decision-Making Parameters Membership Functions......Page 187
Fuzzy Rule Base......Page 188
Design Example for a Nonlinear System to Control......Page 189
Closed-loop Response......Page 191
Conclusion Closed-loop Response......Page 192
Introduction......Page 193
Metric Indices......Page 194
Measure of Fitness of Fitting—Coefficients of Determination......Page 196
Measure of Error Heterogeneity—Relative Gini Index......Page 198
The Mean Variables......Page 199
The Moving Mean Variables......Page 200
Pareto Reliability Index......Page 201
Pareto Risk Index......Page 202
Pareto Sensitivity Indices......Page 203
Normalization......Page 204
FPR Steps......Page 205
Fitness Functions......Page 206
Test Functions......Page 207
--- CIAD for Science & Technology......Page 226
Introduction......Page 228
Parameterization Method via Radial Basis Functions......Page 229
Adaptive Bathtub-Shaped Failure Rate Function......Page 231
Simulations and Discussion......Page 234
Conclusions and Future Work......Page 237
Notations......Page 238
Introduction......Page 239
THz-TDS Experimental Setup Sketch......Page 240
Statement of Mixture Component Determination......Page 241
Fitness Function Definition......Page 243
Uncertainty Studies......Page 244
Empirical Studies and Discussion......Page 246
Notations......Page 253
Application of Fuzzy Logic to Sliding Mode Control......Page 254
Fuzzy Switching Element for the SMC System......Page 255
Fuzzy PD SMC System with Integral Equivalent Control......Page 259
Fuzzy SMC System Designs Using a GA......Page 260
FSMC-I System with a Fuzzy Switching Element......Page 261
Closed-loop Response......Page 262
Closed-loop Response......Page 264
Fuzzy PD SMC System with Integral Equivalent Control......Page 267
Closed-loop Response......Page 269
Closed-loop Response......Page 271
Introduction......Page 273
Motorized Momentum Exchange Tether......Page 275
Payload Transfer......Page 277
Tether Strength Criterion......Page 279
Payload Transfer Objective Definition......Page 280
Simulations......Page 281
Conclusion and Future Work......Page 286
Introduction......Page 288
Structural Modeling......Page 289
Total Thermal Resistance......Page 290
Pressure Drop......Page 292
Experimental Setup......Page 293
Fitness Functions......Page 295
Empirical Results Simulations......Page 297
Verification......Page 300
Conclusions and Future Work......Page 302
Introduction......Page 303
Adaptive Bathtub-Shaped Functions......Page 304
Battery Capacity Prediction......Page 305
Fitness Function......Page 308
Simulation Results and Discussion......Page 309
Conclusion and Future Work......Page 313
Introduction......Page 315
Analytical Modeling......Page 317
Empirical Results and Discussion......Page 320
Conclusion and Future Work......Page 325
Notations......Page 326
Introduction......Page 327
HCMI Design Evaluation and Virtual Prototyping Through Simulation Models of the Emitter and Cylinder......Page 328
Coupled Constraint Optimization Problem......Page 330
Heuristic Methods and Improved GA Search Existing Heuristic Methods Tested......Page 331
Improved GA Search......Page 332
Case Studies......Page 334
Virtual Prototyping Results and Comparison Virtual Prototyping for Case 1 with a Default Emitter Search Results of the NM Method......Page 336
Search Results of the Generic GA......Page 337
Search Results of the PGA......Page 338
Virtual Prototyping for Case 2 with an Extended Emitter Search Results of the NM Simplex......Page 339
Search Results of the GA......Page 340
Search Results of the PGA......Page 341
Conclusion......Page 342
Introduction......Page 344
Two-Degree-of-Freedom Semi-Active Suspension System......Page 347
Sliding Mode Control with Skyhook Surface Scheme......Page 350
Fuzzy Logic Control......Page 352
Polynomial Function Supervising FaSMC—An Improvement......Page 356
Multi-objective Micro-GA for the Offline Step......Page 357
Offline Step......Page 360
Online Step......Page 361
Road Surface Profile—Modeling of the Source of Uncertainty......Page 362
Uncertainty Studies......Page 363
Simulations......Page 365
Conclusion and Future Work......Page 376
--- CIAD for Social Sciences......Page 377
Introduction......Page 379
Exchange Rate Determination Model......Page 380
Fitness Function of Regression Modeling......Page 381
Empirical Results and Discussion......Page 383
Conclusions and Future Work......Page 389
Introduction......Page 390
Quantitative Modeling of National Electricity Consumption......Page 394
Fitness Function......Page 395
Numerical Results......Page 396
Social, Economic and Environmental Impacts......Page 400
Conclusions and Future Work......Page 404
Introduction......Page 406
Modelling Intelligent Market Behaviors NETA Market Price Formulation......Page 407
Generator Gaming Strategies......Page 408
Intelligent Agents and Modeling......Page 411
Model Analysis & Verification......Page 414
Small-scale Model Simulation......Page 415
Large-scale Model Simulation......Page 417
 Applications of the Model ......Page 418
Cooperative Strategy......Page 419
Conclusions......Page 422
Introduction......Page 424
Emission Estimation of Productive Activity......Page 425
Hybrid Modeling of the Functional Region......Page 429
Fitness Function......Page 430
Empirical Results and Discussion......Page 432
Conclusions and Future Work......Page 436
Introduction......Page 437
Spatial Modeling of the Functional Regions......Page 438
Fitness Function......Page 439
Empirical Results and Discussion......Page 440
Conclusions and Future Work......Page 445
Introduction......Page 447
Customization in Industry 4.0......Page 448
CPS with Data Analytics Framework for Smart Manufacturing......Page 449
Smart Products and Product Lifecycle for Industry 4.0......Page 450
Computational Intelligence for Customized Production......Page 451
Methodology and CIAD Approaches......Page 453
Fuzzy c-Means Approach......Page 454
Framework for Predicting Potential Customer Needs and Wants......Page 455
Case Study......Page 457
Discussion and Conclusion......Page 462
Refs......Page 463
Glossary......Page 502
Index......Page 503




نظرات کاربران