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: Oliver Kramer (auth.)
سری: Informatik im Fokus
ISBN (شابک) : 9783540797388, 9783540797395
ناشر: Springer-Verlag Berlin Heidelberg
سال نشر: 2009
تعداد صفحات: 162
زبان: German
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب هوش محاسباتی: مقدمه: هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Computational Intelligence: Eine Einführung 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: مقدمه 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.
هوش محاسباتی (CI) یک زیر حوزه از هوش مصنوعی را توصیف می کند که به صورت الگوریتمی مدل های الهام گرفته شده از بیولوژیک را پیاده سازی می کند. الگوریتم های تکاملی مبتنی بر تکامل داروینی هستند و به دنبال راه حل بهینه با کمک متقاطع، جهش و انتخاب هستند. به عنوان منطق فازی، منطق فازی مدلسازی شناختی دانش و فرآیندهای استنتاج را امکان پذیر می کند. شبکه های عصبی جنبه های عملکردی مغز را برای کارهایی مانند طبقه بندی و تشخیص الگو تقلید می کنند. رویکردهای جدیدتر CI مانند یادگیری تقویتی، کنترل رفتار عوامل مصنوعی در محیطهای ناشناخته را ممکن میسازد. هوش ازدحام الگوریتمهایی را مدلسازی میکند که وظایف هوشمندانهای را بر اساس بسیاری از مؤلفههای ساده انجام میدهند. در نهایت، سیستم ایمنی مصنوعی تعدادی از مشکلات مشابه مشابه بیولوژیکی خود را حل می کند. مقدمه ای فشرده و واضح بر روش های مختلف CI، همراه با مثال های فراوان.
Computational Intelligence (CI) bezeichnet ein Teilgebiet der Künstlichen Intelligenz, das biologische inspirierte Modelle algorithmisch umsetzt. Evolutionäre Algorithmen orientieren sich an der darwinistischen Evolution und suchen mit Hilfe von Crossover, Mutation und Selektion eine optimale Lösung. Die Fuzzy-Logik ermöglicht als unscharfe Logik eine kognitive Modellierung von Wissen und Inferenzprozessen. Neuronale Netze imitieren funktionale Aspekte des Gehirns für Aufgaben wie Klassifikation und Mustererkennung. Neuere Ansätze der CI wie Reinforcement Learning ermöglichen, das Verhalten künstlicher Agenten in unbekannten Umgebungen zu steuern. Die Schwarmintelligenz modelliert Algorithmen, die auf Basis vieler einfacher Komponenten intelligente Leistungen vollführen. Zu guter Letzt lösen künstliche Immunsysteme eine Reihe von Problemen, ähnlich wie ihr biologisches Pendant. Ein kompakter und übersichtlicher mit vielen Beispielen gespickter Einstieg in die verschiedenen Verfahren der CI.
Front Matter....Pages i-ix
Überblick Computational Intelligence....Pages 1-12
Evolutionäre Algorithmen....Pages 13-40
Schwarmintelligenz....Pages 41-58
Künstliche Immunsysteme....Pages 59-73
Fuzzy-Logik....Pages 75-99
Reinforcement Learning....Pages 101-117
Neuronale Netze....Pages 119-147
Back Matter....Pages 1-9