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
دسته بندی: ریاضیات محاسباتی ویرایش: 1 نویسندگان: Lakhmi C. Jain, Shing Chiang Tan, Chee Peng Lim (auth.), Lakhmi C. Jain, Mika Sato-Ilic, Maria Virvou, George A. Tsihrintzis, Valentina Emilia Balas, Canicious Abeynayake (eds.) سری: Studies in Computational Intelligence 137 ISBN (شابک) : 3540794735, 9783540794738 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2008 تعداد صفحات: 280 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 16 مگابایت
کلمات کلیدی مربوط به کتاب پارادایم های هوش محاسباتی: برنامه های نوآورانه: کاربردی ریاضیات/روش های محاسباتی مهندسی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Computational Intelligence Paradigms: Innovative Applications 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 پارادایم های هوش محاسباتی: برنامه های نوآورانه 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.
طراحان سیستم با مجموعه بزرگی از داده ها مواجه هستند که باید به طور کارآمد تجزیه و تحلیل و پردازش شوند. پارادایم های هوش محاسباتی پیشرفته با ارائه قابلیت هایی مانند یادگیری، تعمیم و استحکام مزایای فوق العاده ای را ارائه می دهند. این قابلیت ها به طراحی سیستم های پیچیده ای که هوشمند و قوی هستند کمک می کند.
این کتاب شامل نمونه ای از تحقیقات در مورد کاربردهای نوآورانه پارادایم های هوش محاسباتی پیشرفته است. ویژگی های پارادایم های هوش محاسباتی مانند یادگیری، تعمیم بر اساس دانش آموخته شده، استخراج دانش از داده های ناقص و ناقص از اهمیت فوق العاده ای برای پیاده سازی ماشین های هوشمند هستند. فصلها شامل معماری پارادایمهای هوش محاسباتی، کشف دانش، طبقهبندی الگو، خوشهها، ماشینهای بردار پشتیبان و تحلیل پیوند ژنی است. ما معتقدیم که تحقیق در مورد هوش محاسباتی علاقه زیادی را در بین طراحان و محققان سیستم های پیچیده شبیه سازی خواهد کرد. استفاده از ادغام اجزای مختلف هوش محاسباتی برای جبران معایب یک پارادایم با مزایای پارادایم دیگر مهم است.
System designers are faced with a large set of data which has to be analysed and processed efficiently. Advanced computational intelligence paradigms present tremendous advantages by offering capabilities such as learning, generalisation and robustness. These capabilities help in designing complex systems which are intelligent and robust.
The book includes a sample of research on the innovative applications of advanced computational intelligence paradigms. The characteristics of computational intelligence paradigms such as learning, generalization based on learned knowledge, knowledge extraction from imprecise and incomplete data are the extremely important for the implementation of intelligent machines. The chapters include architectures of computational intelligence paradigms, knowledge discovery, pattern classification, clusters, support vector machines and gene linkage analysis. We believe that the research on computational intelligence will simulate great interest among designers and researchers of complex systems. It is important to use the fusion of various constituents of computational intelligence to offset the demerits of one paradigm by the merits of another.
Front Matter....Pages -
An Introduction to Computational Intelligence Paradigms....Pages 1-23
A Quest for Adaptable and Interpretable Architectures of Computational Intelligence....Pages 25-49
MembershipMap: A Data Transformation for Knowledge Discovery Based on Granulation and Fuzzy Membership Aggregation....Pages 51-76
Advanced Developments and Applications of the Fuzzy ARTMAP Neural Network in Pattern Classification....Pages 77-107
Large Margin Methods for Structured Output Prediction....Pages 109-132
Ensemble MLP Classifier Design....Pages 133-147
Functional Principal Points and Functional Cluster Analysis....Pages 149-165
Clustering with Size Constraints....Pages 167-180
Cluster Validating Techniques in the Presence of Duplicates....Pages 181-193
Fuzzy Blocking Regression Models....Pages 195-217
Support Vector Machines and Features for Environment Perception in Mobile Robotics....Pages 219-250
Linkage Analysis in Genetic Algorithms....Pages 251-279
Back Matter....Pages -