Computational Intelligence Paradigms: Innovative Applications

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.