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 Machine Learning Techniques: Algorithms and Applications

دانلود کتاب تکنیک‌های یادگیری ماشین تکاملی: الگوریتم‌ها و کاربردها

Evolutionary Machine Learning Techniques: Algorithms and Applications

مشخصات کتاب

Evolutionary Machine Learning Techniques: Algorithms and Applications

ویرایش:  
نویسندگان: , ,   
سری: Algorithms for Intelligent Systems 
ISBN (شابک) : 9789813299894, 9789813299900 
ناشر: Springer Singapore 
سال نشر: 2020 
تعداد صفحات: 287 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت 

قیمت کتاب (تومان) : 30,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Evolutionary Machine Learning Techniques: Algorithms and Applications 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 تکنیک‌های یادگیری ماشین تکاملی: الگوریتم‌ها و کاربردها 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 تکنیک‌های یادگیری ماشین تکاملی: الگوریتم‌ها و کاربردها



این کتاب تجزیه و تحلیل عمیقی از تکنیک‌های یادگیری ماشینی تکاملی کنونی ارائه می‌کند. بحث در مورد روش‌های بسیار مورد توجه برای طبقه‌بندی، خوشه‌بندی، رگرسیون و پیش‌بینی، شامل تکنیک‌هایی مانند ماشین‌های بردار پشتیبان، ماشین‌های یادگیری افراطی، انتخاب ویژگی‌های تکاملی، شبکه‌های عصبی مصنوعی از جمله شبکه‌های عصبی پیش‌خور، پرسپترون چند لایه، عصبی احتمالی است. شبکه‌ها، شبکه‌های عصبی خودبهینه‌سازی، شبکه‌های تابع پایه شعاعی، شبکه‌های عصبی بازگشتی، شبکه‌های عصبی اسپک، شبکه‌های عصبی فازی، شبکه‌های عصبی مدولار، شبکه‌های عصبی فیزیکی، و شبکه‌های عصبی عمیق.

این کتاب تعاریف ضروری، بررسی ادبیات، و الگوریتم‌های آموزشی برای یادگیری ماشینی با استفاده از تکنیک‌های کلاسیک و مدرن الهام گرفته از طبیعت را ارائه می‌کند. همچنین مزایا و معایب الگوریتم های آموزشی کلاسیک را بررسی می کند. دارای طیفی از الگوریتم های اثبات شده و اخیر الهام گرفته شده از طبیعت است که برای آموزش انواع مختلف شبکه های عصبی مصنوعی، از جمله الگوریتم ژنتیک، بهینه سازی کلونی مورچه ها، بهینه سازی ازدحام ذرات، بهینه ساز گرگ خاکستری، الگوریتم بهینه سازی نهنگ، بهینه ساز شیر مورچه، الگوریتم شعله پروانه، الگوریتم سنجاقک، الگوریتم ازدحام salp، بهینه ساز چند آیه و الگوریتم کسینوس سینوسی. این کتاب همچنین کاربردهای شبکه‌های عصبی مصنوعی بهبود یافته را برای حل مشکلات طبقه‌بندی، خوشه‌بندی، پیش‌بینی و رگرسیون در زمینه‌های مختلف پوشش می‌دهد.



توضیحاتی درمورد کتاب به خارجی

This book provides an in-depth analysis of the current evolutionary machine learning techniques. Discussing the most highly regarded methods for classification, clustering, regression, and prediction, it includes techniques such as support vector machines, extreme learning machines, evolutionary feature selection, artificial neural networks including feed-forward neural networks, multi-layer perceptron, probabilistic neural networks, self-optimizing neural networks, radial basis function networks, recurrent neural networks, spiking neural networks, neuro-fuzzy networks, modular neural networks, physical neural networks, and deep neural networks.

The book provides essential definitions, literature reviews, and the training algorithms for machine learning using classical and modern nature-inspired techniques. It also investigates the pros and cons of classical training algorithms. It features a range of proven and recent nature-inspired algorithms used to train different types of artificial neural networks, including genetic algorithm, ant colony optimization, particle swarm optimization, grey wolf optimizer, whale optimization algorithm, ant lion optimizer, moth flame algorithm, dragonfly algorithm, salp swarm algorithm, multi-verse optimizer, and sine cosine algorithm. The book also covers applications of the improved artificial neural networks to solve classification, clustering, prediction and regression problems in diverse fields.




فهرست مطالب

Front Matter ....Pages i-x
Introduction to Evolutionary Machine Learning Techniques (Seyedali Mirjalili, Hossam Faris, Ibrahim Aljarah)....Pages 1-7
Front Matter ....Pages 9-9
Salp Chain-Based Optimization of Support Vector Machines and Feature Weighting for Medical Diagnostic Information Systems (Ala’ M. Al-Zoubi, Ali Asghar Heidari, Maria Habib, Hossam Faris, Ibrahim Aljarah, Mohammad A. Hassonah)....Pages 11-34
Support Vector Machine: Applications and Improvements Using Evolutionary Algorithms (Seyed Hamed Hashemi Mehne, Seyedali Mirjalili)....Pages 35-50
Efficient Moth-Flame-Based Neuroevolution Models (Ali Asghar Heidari, Yingyu Yin, Majdi Mafarja, Seyed Mohammad Jafar Jalali, Jin Song Dong, Seyedali Mirjalili)....Pages 51-66
Autonomous Robot Navigation Using Moth-Flame-Based Neuroevolution (Seyed Mohammad Jafar Jalali, Rachid Hedjam, Abbas Khosravi, Ali Asghar Heidari, Seyedali Mirjalili, Saeid Nahavandi)....Pages 67-83
Link Prediction Using Evolutionary Neural Network Models (Rawan I. Yaghi, Hossam Faris, Ibrahim Aljarah, Ala’ M. Al-Zoubi, Ali Asghar Heidari, Seyedali Mirjalili)....Pages 85-111
Evolving Genetic Programming Models for Predicting Quantities of Adhesive Wear in Low and Medium Carbon Steel (Rana Faris, Bara’a Almasri, Hossam Faris, Faris M. AL-Oqla, Doraid Dalalah)....Pages 113-127
Front Matter ....Pages 129-129
EvoloPy-FS: An Open-Source Nature-Inspired Optimization Framework in Python for Feature Selection (Ruba Abu Khurma, Ibrahim Aljarah, Ahmad Sharieh, Seyedali Mirjalili)....Pages 131-173
Multi-objective Particle Swarm Optimization: Theory, Literature Review, and Application in Feature Selection for Medical Diagnosis (Maria Habib, Ibrahim Aljarah, Hossam Faris, Seyedali Mirjalili)....Pages 175-201
Multi-objective Particle Swarm Optimization for Botnet Detection in Internet of Things (Maria Habib, Ibrahim Aljarah, Hossam Faris, Seyedali Mirjalili)....Pages 203-229
Evolutionary and Swarm-Based Feature Selection for Imbalanced Data Classification (Feras Namous, Hossam Faris, Ali Asghar Heidari, Monther Khalafat, Rami S. Alkhawaldeh, Nazeeh Ghatasheh)....Pages 231-250
Binary Harris Hawks Optimizer for High-Dimensional, Low Sample Size Feature Selection (Thaer Thaher, Ali Asghar Heidari, Majdi Mafarja, Jin Song Dong, Seyedali Mirjalili)....Pages 251-272
A Review of Grey Wolf Optimizer-Based Feature Selection Methods for Classification (Qasem Al-Tashi, Helmi Md Rais, Said Jadid Abdulkadir, Seyedali Mirjalili, Hitham Alhussian)....Pages 273-286




نظرات کاربران