ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Evolutionary Approach to Machine Learning and Deep Neural Networks. Neuro-Evolution and Gene Regulatory Networks

دانلود کتاب رویکرد تکاملی به یادگیری ماشین و شبکه های عصبی عمیق. تکامل عصبی و شبکه های تنظیم کننده ژن

Evolutionary Approach to Machine Learning and Deep Neural Networks. Neuro-Evolution and Gene Regulatory Networks

مشخصات کتاب

Evolutionary Approach to Machine Learning and Deep Neural Networks. Neuro-Evolution and Gene Regulatory Networks

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9789811302008 
ناشر: Springer 
سال نشر: 2018 
تعداد صفحات: 250 
زبان: english 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 18 مگابایت

قیمت کتاب (تومان) : 50,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 16


در صورت تبدیل فایل کتاب Evolutionary Approach to Machine Learning and Deep Neural Networks. Neuro-Evolution and Gene Regulatory Networks 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 رویکرد تکاملی به یادگیری ماشین و شبکه های عصبی عمیق. تکامل عصبی و شبکه های تنظیم کننده ژن 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.


توضیحاتی در مورد کتاب رویکرد تکاملی به یادگیری ماشین و شبکه های عصبی عمیق. تکامل عصبی و شبکه های تنظیم کننده ژن

این کتاب دانش نظری و عملی در مورد یک روش برای استراتژی جستجوی مبتنی بر الگوریتم تکاملی با ادغام چندین تکنیک یادگیری ماشین و یادگیری عمیق ارائه می‌کند. اینها شامل شبکه‌های عصبی کانولوشن، پایگاه‌های گروبنر، ماشین‌های بردار مرتبط، یادگیری انتقال، روش‌های بسته‌بندی و تقویت، تکنیک‌های خوشه‌بندی (انتشار قرابت) و شبکه‌های باور و غیره است. توسعه چنین ابزارهایی به بهینه سازی روش شناسی بهتر کمک می کند. مطالب این کتاب با شروع اصول الگوریتم های تکاملی و پوشش موضوعات تحقیقاتی میان رشته ای، برای اقشار مختلف خوانندگان: مبتدی، متوسط ​​و همچنین خوانندگان متخصص از حوزه های مرتبط ارزشمند است. در ادامه فصل‌های مقدمه و روش‌های اساسی، فصل 3 یک جهت تحقیق جدید، یعنی تکامل عصبی، یک روش تکاملی برای تولید شبکه‌های عصبی عمیق را توضیح می‌دهد، و همچنین توضیح می‌دهد که چگونه روش‌های تکاملی در ترکیب با تکنیک‌های یادگیری ماشین گسترش می‌یابند. فصل 4 شامل روش‌های جدیدی مانند بهینه‌سازی ازدحام ذرات بر اساس انتشار میل ترکیبی (PSOAP) و یادگیری انتقال برای تکامل دیفرانسیل (TRADE)، یکی دیگر از روش‌های یادگیری ماشینی برای گسترش تکامل دیفرانسیل است. فصل آخر به وضعیت هنر در تحقیقات شبکه تنظیم ژن (GRN) به عنوان یکی از جالب ترین و فعال ترین زمینه های تحقیقاتی اختصاص دارد. نویسنده یک شبکه واکنش در حال تکامل را توصیف می کند که روش تکامل عصبی را برای تولید نوعی شبکه ژنتیکی مناسب برای سیستم های بیوشیمیایی گسترش می دهد و موفق به طراحی مدارهای ژنتیکی در زیست شناسی مصنوعی شده است. نویسنده همچنین کاربرد GRN دنیای واقعی را برای چندین کار هوشمند مصنوعی ارائه می‌کند و چارچوبی برای تولید حرکت توسط GRNs (MONGERN) پیشنهاد می‌کند که GRN‌ها را برای کار با یک ربات انسان‌نما واقعی تکامل می‌دهد.


توضیحاتی درمورد کتاب به خارجی

This book provides theoretical and practical knowledge about a methodology for evolutionary algorithm-based search strategy with the integration of several machine learning and deep learning techniques. These include convolutional neural networks, Gröbner bases, relevance vector machines, transfer learning, bagging and boosting methods, clustering techniques (affinity propagation), and belief networks, among others. The development of such tools contributes to better optimizing methodologies. Beginning with the essentials of evolutionary algorithms and covering interdisciplinary research topics, the contents of this book are valuable for different classes of readers: novice, intermediate, and also expert readers from related fields. Following the chapters on introduction and basic methods, Chapter 3 details a new research direction, i.e., neuro-evolution, an evolutionary method for the generation of deep neural networks, and also describes how evolutionary methods are extended in combination with machine learning techniques. Chapter 4 includes novel methods such as particle swarm optimization based on affinity propagation (PSOAP), and transfer learning for differential evolution (TRADE), another machine learning approach for extending differential evolution. The last chapter is dedicated to the state of the art in gene regulatory network (GRN) research as one of the most interesting and active research fields. The author describes an evolving reaction network, which expands the neuro-evolution methodology to produce a type of genetic network suitable for biochemical systems and has succeeded in designing genetic circuits in synthetic biology. The author also presents real-world GRN application to several artificial intelligent tasks, proposing a framework of motion generation by GRNs (MONGERN), which evolves GRNs to operate a real humanoid robot.





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی