Evolutionary Design of Intelligent Systems in Modeling, Simulation and Control

ویراستاران در این کتاب روش‌های جدیدی را برای طراحی تکاملی سیستم‌های هوشمند با استفاده از محاسبات نرم و کاربردهای آن در مدل‌سازی، شبیه‌سازی و کنترل شرح می‌دهند. محاسبات نرم (SC) شامل چندین پارادایم محاسباتی هوشمند از جمله منطق فازی، شبکه های عصبی و الگوریتم های تکاملی است که می توانند برای تولید سیستم های هوشمند ترکیبی قدرتمند استفاده شوند. این کتاب در چهار بخش اصلی تنظیم شده است که شامل گروهی از مقالات پیرامون موضوعی مشابه است. بخش اول شامل مقالاتی با موضوع اصلی طراحی تکاملی سیستم های فازی در کنترل هوشمند است که شامل مقالاتی است که روش های جدیدی را برای طراحی و بهینه سازی کنترل کننده های هوشمند برای کاربردهای مختلف پیشنهاد می کند. بخش دوم شامل مقالاتی با موضوع اصلی طراحی تکاملی سیستم‌های هوشمند برای کاربردهای تشخیص الگو می‌باشد که اساساً مقالاتی با استفاده از الگوریتم‌های تکاملی برای بهینه‌سازی شبکه‌های عصبی مدولار با سیستم‌های فازی برای یکپارچه‌سازی پاسخ، برای دستیابی به تشخیص الگو در کاربردهای مختلف هستند. بخش سوم شامل مقالاتی با مضامین مدل‌های یادگیری و شبیه‌سازی اجتماعی است که از سیستم‌های هوشمند در مسائل طراحی اشیاء یادگیری و عوامل اجتماعی استفاده می‌کنند. بخش چهارم شامل مقالاتی است که به سیستم های هوشمند در کاربردهای روباتیک و اجرای سخت افزار می پردازد.

The editors describe in this book, new methods for evolutionary design of intelligent systems using soft computing and their applications in modeling, simulation and control. Soft Computing (SC) consists of several intelligent computing paradigms, including fuzzy logic, neural networks, and evolutionary algorithms, which can be used to produce powerful hybrid intelligent systems. The book is organized in four main parts, which contain a group of papers around a similar subject. The first part consists of papers with the main theme of evolutionary design of fuzzy systems in intelligent control, which consists of papers that propose new methods for designing and optimizing intelligent controllers for different applications. The second part contains papers with the main theme of evolutionary design of intelligent systems for pattern recognition applications, which are basically papers using evolutionary algorithms for optimizing modular neural networks with fuzzy systems for response integration, for achieving pattern recognition in different applications. The third part contains papers with the themes of models for learning and social simulation, which are papers that apply intelligent systems to the problems of designing learning objects and social agents. The fourth part contains papers that deal with intelligent systems in robotics applications and hardware implementations.