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: Yun-Chia Liang, Alice E. Smith (auth.), Dr. Gregory Levitin (eds.) سری: Studies in Computational Intelligence 40 ISBN (شابک) : 9783540373711, 9783540373728 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2007 تعداد صفحات: 427 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
کلمات کلیدی مربوط به کتاب هوش محاسباتی در مهندسی قابلیت اطمینان: فراتورولوژی جدید ، تکنیک های عصبی و فازی در قابلیت اطمینان: Appl.Mathematics/روش های محاسباتی مهندسی، هوش مصنوعی (شامل رباتیک)، کنترل کیفیت، قابلیت اطمینان، ایمنی و ریسک، کاربردهای ریاضیات، هوش محاسباتی
در صورت تبدیل فایل کتاب Computational Intelligence in Reliability Engineering: New Metaheuristics, Neural and Fuzzy Techniques in Reliability 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 هوش محاسباتی در مهندسی قابلیت اطمینان: فراتورولوژی جدید ، تکنیک های عصبی و فازی در قابلیت اطمینان 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.
این جلد شامل فصلهایی است که کاربردهای فراابتکاری مختلف (بهینهسازی کلونی مورچهها، الگوریتم سیل بزرگ، روش آنتروپی متقابل و بهینهسازی ازدحام ذرات) را در مهندسی قابلیت اطمینان ارائه میدهد. همچنین شامل فصول اختصاص داده شده به اتوماتای سلولی و ماشینهای بردار پشتیبان و کاربردهای مختلف شبکههای عصبی مصنوعی، یک تکنیک تطبیقی قدرتمند است که میتواند برای یادگیری، پیشبینی و بهینهسازی استفاده شود. چندین فصل جنبه های مختلف قابلیت اطمینان نادقیق و کاربردهای تئوری مجموعه های فازی و مبهم را توصیف می کند.
This volume contains chapters presenting applications of different metaheuristics (ant colony optimization, great deluge algorithm, cross-entropy method and particle swarm optimization) in reliability engineering. It also includes chapters devoted to cellular automata and support vector machines and different applications of artificial neural networks, a powerful adaptive technique that can be used for learning, prediction and optimization. Several chapters describe different aspects of imprecise reliability and applications of fuzzy and vague set theory.
Front Matter....Pages I-XIV
The Ant Colony Paradigm for Reliable Systems Design....Pages 1-20
Modified Great Deluge Algorithm versus Other Metaheuristics in Reliability Optimization....Pages 21-36
Applications of the Cross-Entropy Method in Reliability....Pages 37-82
Particle Swarm Optimization in Reliability Engineering....Pages 83-112
Cellular Automata and Monte Carlo Simulation for Network Reliability and Availability Assessment....Pages 113-144
Network Reliability Assessment through Empirical Models using a Machine Learning Approach....Pages 145-174
Neural Networks for Reliability-Based Optimal Design....Pages 175-196
Software Reliability Predictions using Artificial Neural Networks....Pages 197-222
Computation Intelligence in Online Reliability Monitoring....Pages 223-260
Imprecise Reliability: An Introductory Overview....Pages 261-306
Posbist Reliability Theory for Coherent Systems....Pages 307-346
Analyzing Fuzzy System Reliability Based on the Vague Set Theory....Pages 347-362
Fuzzy Sets in the Evaluation of Reliability....Pages 363-386
Grey Differential Equation GM(1,1) Models in Repairable System Modeling....Pages 387-413