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
دسته بندی: الگوریتم ها و ساختارهای داده ویرایش: نویسندگان: Martin W. N. (Ed), Spears W. (Ed) سری: ناشر: سال نشر: 2001 تعداد صفحات: 333 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 20 مگابایت
در صورت تبدیل فایل کتاب Foundations of Genetic Algorithms 6 (Foga-6) 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 مبانی الگوریتم های ژنتیک 6 (Foga-6) 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.
مبانی الگوریتمهای ژنتیک، جلد 6 جدیدترین کتاب از مجموعه کتابهایی است که کارگاههای آموزشی معتبر مبانی الگوریتمهای ژنتیک را که توسط انجمن بینالمللی الگوریتمهای ژنتیک حمایت و سازماندهی شده است، بهطور خاص برای پرداختن به انتشارات نظری در مورد الگوریتمهای ژنتیک و سیستمهای طبقهبندی کننده است. الگوریتمهای ژنتیکی هستند. یکی از موفقترین روشهای یادگیری ماشین. بر اساس استعاره تکامل طبیعی، یک الگوریتم ژنتیک اطلاعات موجود را در هر کار مشخص جستجو میکند و با جایگزین کردن جمعیتهای ضعیفتر با جمعیتهای قویتر، راهحل بهینه را جستجو میکند. شامل تحقیقات دانشگاهی، آزمایشگاههای دولتی، و صنعت شامل مقالات با کالیبر بالا که به طور گسترده مورد بررسی قرار گرفتهاند ادامه دارد. سنت ارائه نه تنها کار نظری فعلی بلکه موضوعاتی که می تواند تحقیقات آینده در این زمینه را شکل دهد ایده آل برای محققان در یادگیری ماشین، به ویژه کسانی که با محاسبات تکاملی درگیر هستند.
Foundations of Genetic Algorithms, Volume 6 is the latest in a series of books that records the prestigious Foundations of Genetic Algorithms Workshops, sponsored and organised by the International Society of Genetic Algorithms specifically to address theoretical publications on genetic algorithms and classifier systems.Genetic algorithms are one of the more successful machine learning methods. Based on the metaphor of natural evolution, a genetic algorithm searches the available information in any given task and seeks the optimum solution by replacing weaker populations with stronger ones.Includes research from academia, government laboratories, and industryContains high calibre papers which have been extensively reviewedContinues the tradition of presenting not only current theoretical work but also issues that could shape future research in the fieldIdeal for researchers in machine learning, specifically those involved with evolutionary computation
sdarticle......Page 1
sdarticle2......Page 3
sdarticle3......Page 6
sdarticle4......Page 28
sdarticle5......Page 48
sdarticle6......Page 69
sdarticle7......Page 90
sdarticle8......Page 107
sdarticle9......Page 125
sdarticle10......Page 140
sdarticle11......Page 161
sdarticle12......Page 181
sdarticle13......Page 204
sdarticle14......Page 221
sdarticle15......Page 235
sdarticle16......Page 255
sdarticle17......Page 269
sdarticle18......Page 289
sdarticle19......Page 306
sdarticle20......Page 327
sdarticle21......Page 328