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: [1st ed. 2021] نویسندگان: Yaochu Jin, Handing Wang, Chaoli Sun سری: ISBN (شابک) : 3030746399, 9783030746391 ناشر: Springer سال نشر: 2021 تعداد صفحات: 418 [408] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 Mb
در صورت تبدیل فایل کتاب Data-Driven Evolutionary Optimization: Integrating Evolutionary Computation, Machine Learning and Data Science (Studies in Computational Intelligence, 975) 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 بهینه سازی تکاملی مبتنی بر داده: ادغام محاسبات تکاملی، یادگیری ماشین و علم داده (مطالعات در هوش محاسباتی، 975) 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 کتاب که برای محققان و پزشکان به طور یکسان در نظر گرفته شده است، موضوعات با دقت انتخاب شده و در عین حال گسترده ای در بهینه سازی، یادگیری ماشین و فراابتکاری را پوشش می دهد. این کتاب مستقل که توسط محققان دانشگاهی پیشرو در جهان که در کاربردهای صنعتی بسیار با تجربه هستند، نوشته شده است، این کتاب مستقل اولین در نوع خود است که دانش پیش زمینه جامع، به ویژه دستورالعمل های عملی، و تکنیک های پیشرفته را ارائه می دهد. الگوریتمهای جدید با دقت توضیح داده میشوند، با شبهکد یا فلوچارتها بیشتر توضیح داده میشوند و کد منبع کامل کار آزادانه در دسترس است.
این با ارائه انواع الگوریتم های بهینه سازی تک و چندهدفه مبتنی بر داده ارائه می شود که به طور یکپارچه یادگیری ماشین مدرن مانند یادگیری عمیق و انتقال یادگیری را با الگوریتم های بهینه سازی تکاملی و ازدحامی ادغام می کند. کاربردهای بهینهسازی مبتنی بر داده از طراحی آیرودینامیکی، بهینهسازی فرآیندهای صنعتی تا جستجوی معماری عصبی عمیق گنجانده شده است.
Intended for researchers and practitioners alike, this book covers carefully selected yet broad topics in optimization, machine learning, and metaheuristics. Written by world-leading academic researchers who are extremely experienced in industrial applications, this self-contained book is the first of its kind that provides comprehensive background knowledge, particularly practical guidelines, and state-of-the-art techniques. New algorithms are carefully explained, further elaborated with pseudocode or flowcharts, and full working source code is made freely available.
This is followed by a presentation of a variety of data-driven single- and multi-objective optimization algorithms that seamlessly integrate modern machine learning such as deep learning and transfer learning with evolutionary and swarm optimization algorithms. Applications of data-driven optimization ranging from aerodynamic design, optimization of industrial processes, to deep neural architecture search are included.