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: Erik Cuevas, Valentín Osuna, Diego Oliva (auth.) سری: Studies in Computational Intelligence 686 ISBN (شابک) : 9783319511085, 9783319511092 ناشر: Springer International Publishing سال نشر: 2017 تعداد صفحات: 236 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 تکنیک های محاسبات تکاملی: دیدگاه مقایسه ای: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Evolutionary Computation Techniques: A Comparative Perspective 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 تکنیک های محاسبات تکاملی: دیدگاه مقایسه ای 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 عملکرد تکنیکهای مختلف محاسبات تکاملی (EC) را هنگامی که با مسائل بهینهسازی پیچیده استخراج شده از حوزههای مهندسی مختلف مواجه میشوند، مقایسه میکند. به ویژه با تمرکز بر الگوریتم های اخیراً توسعه یافته، به گونه ای طراحی شده است که هر فصل را بتوان به طور مستقل خواند. چندین مقایسه بین تکنیک های EC در ادبیات گزارش شده است، با این حال، همه آنها از یک محدودیت رنج می برند: نتیجه گیری آنها بر اساس عملکرد رویکردهای تکاملی رایج در مورد مجموعه ای از عملکردهای مصنوعی با راه حل های دقیق و رفتارهای شناخته شده است، بدون در نظر گرفتن زمینه برنامه یا شامل پیشرفت های اخیر. در هر فصل، یک مسئله بهینه سازی مهندسی پیچیده مطرح می شود و سپس یک تکنیک EC خاص با توجه به ویژگی های جستجوی آن به عنوان بهترین انتخاب ارائه می شود. در نهایت، مجموعه ای از آزمایش ها به منظور مقایسه عملکرد آن با سایر روش های رایج EC انجام می شود.
This book compares the performance of various evolutionary computation (EC) techniques when they are faced with complex optimization problems extracted from different engineering domains. Particularly focusing on recently developed algorithms, it is designed so that each chapter can be read independently. Several comparisons among EC techniques have been reported in the literature, however, they all suffer from one limitation: their conclusions are based on the performance of popular evolutionary approaches over a set of synthetic functions with exact solutions and well-known behaviors, without considering the application context or including recent developments. In each chapter, a complex engineering optimization problem is posed, and then a particular EC technique is presented as the best choice, according to its search characteristics. Lastly, a set of experiments is conducted in order to compare its performance to other popular EC methods.
Front Matter....Pages i-xv
Introduction....Pages 1-8
Multilevel Segmentation in Digital Images....Pages 9-33
Multi-circle Detection on Images....Pages 35-64
Template Matching....Pages 65-93
Motion Estimation....Pages 95-116
Photovoltaic Cell Design....Pages 117-138
Parameter Identification of Induction Motors....Pages 139-154
White Blood Cells Detection in Images....Pages 155-180
Estimation of View Transformations in Images....Pages 181-204
Filter Design....Pages 205-222