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 Fuzzy Logic and Neural Networks for Hybrid Intelligent System Design

دانلود کتاب منطق فازی و شبکه های عصبی برای طراحی سیستم های هوشمند ترکیبی

Fuzzy Logic and Neural Networks for Hybrid Intelligent System Design

مشخصات کتاب

Fuzzy Logic and Neural Networks for Hybrid Intelligent System Design

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9783031220418, 9783031220425 
ناشر: Springer 
سال نشر: 2023 
تعداد صفحات: 254 
زبان: english 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 Mb 

قیمت کتاب (تومان) : 38,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Fuzzy Logic and Neural Networks for Hybrid Intelligent System Design 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 منطق فازی و شبکه های عصبی برای طراحی سیستم های هوشمند ترکیبی 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 منطق فازی و شبکه های عصبی برای طراحی سیستم های هوشمند ترکیبی

این کتاب تحولات اخیر در منطق فازی، شبکه های عصبی و الگوریتم های بهینه سازی و همچنین ترکیبات ترکیبی آنها را پوشش می دهد. علاوه بر این، روش های ذکر شده در بالا در زمینه هایی مانند کنترل هوشمند و رباتیک، تشخیص الگو، تشخیص پزشکی، پیش بینی سری های زمانی و بهینه سازی مسائل پیچیده اعمال می شود. امروزه، موضوع اصلی کتاب بسیار مرتبط است، زیرا اکثر سیستم‌ها و دستگاه‌های هوشمند کنونی در حال استفاده از نوعی ویژگی هوشمند برای افزایش عملکرد خود استفاده می‌کنند. علاوه بر این، در بخش نظری، مدل‌ها و الگوریتم‌های جدید و پیشرفته‌ای از منطق فازی نوع ۲ و نوع ۳ ارائه شده است که مورد توجه محققینی است که در این زمینه‌ها کار می‌کنند. همچنین، الگوریتم‌های بهینه‌سازی جدید الهام‌گرفته از طبیعت و مدل‌های عصبی ابتکاری در این مقاله ارائه شده‌اند که موضوعات بسیار محبوبی هستند. مشارکت‌هایی در جنبه‌های نظری و همچنین کاربردها وجود دارد که این کتاب را برای مخاطبان گسترده‌ای، از محققان گرفته تا اساتید و دانشجویان فارغ‌التحصیل که در نظریه و کاربردهای حوزه هوش محاسباتی کار می‌کنند، بسیار جذاب می‌کند. الگوریتم Mayfly با الهام از رفتار پرواز و فرآیند جفت‌گیری مگس‌ها، مزایای اصلی هوش ازدحام و الگوریتم‌های تکاملی را ترکیب می‌کند و در نتیجه عملکرد بهتری نسبت به الگوریتم ازدحام ذرات دارد. بنابراین، ما یک اصلاح الگوریتم Mayfly را با استفاده از یک آداپتور پارامتر فازی پیشنهاد کردیم تا بتوانیم آن را برای مشکلات شبکه عصبی اعمال کنیم. ما توانستیم مشاهده کنیم که آداپتور فازی سرعت همگرایی الگوریتم mayfly را بهبود می‌بخشد و هنگامی که در یک شبکه عصبی برای سری شیشه Mackey اعمال می‌شود، قادر به تشخیص تعداد بهینه نورون‌های لایه پنهان برای معماری شبکه است. با این حال، هنگام استفاده از الگوریتم Mayfly برای بهینه‌سازی معماری شبکه‌های عصبی، نتایج چندان بهبود نمی‌یابد، بنابراین می‌توان نتیجه گرفت که این روش فراابتکاری (فعلا) برای این نوع بهینه‌سازی توصیه نمی‌شود، زیرا ریشه میانگین مربعات خطا حتی با استفاده از الگوریتم Mayfly اصلاح شده با آداپتور فازی کمتر از 0.001 نشد. در مجموع 14 مقاله تشکیل دهنده کتاب در موضوعات فوق الذکر است. در پایان، کتاب ویرایش شده شامل مقالاتی در مورد جنبه‌های مختلف منطق فازی، شبکه‌های عصبی و فراابتکاری بهینه‌سازی الهام‌گرفته از طبیعت برای طراحی و پیاده‌سازی سیستم‌های هوشمند ترکیبی و کاربرد آن‌ها در حوزه‌هایی مانند کنترل هوشمند و رباتیک، تشخیص الگو، سری‌های زمانی است. پیش بینی و بهینه سازی مسائل پیچیده


توضیحاتی درمورد کتاب به خارجی

This book covers recent developments on fuzzy logic, neural networks and optimization algorithms, as well as their hybrid combinations. In addition, the above-mentioned methods are applied to areas such as intelligent control and robotics, pattern recognition, medical diagnosis, time series prediction and optimization of complex problems. Nowadays, the main topic of the book is highly relevant, as most current intelligent systems and devices in use utilize some form of intelligent feature to enhance their performance. In addition, on the theoretical side, new and advanced models and algorithms of type-2 and type-3 fuzzy logic are presented, which are of great interest to researchers working on these areas. Also, new nature-inspired optimization algorithms and innovative neural models are put forward in the manuscript, which are very popular subjects, at this moment. There are contributions on theoretical aspects as well as applications, which make the book very appealing to a wide audience, ranging from researchers to professors and graduate students working in the theory and applications of the computational intelligence area. Inspired by the flight behavior and mating process of mayflies, the Mayfly algorithm combines the main advantages of swarm intelligence and evolutionary algorithms, resulting in better performance than the particle swarm algorithm. So, we proposed a modification of Mayfly algorithm by applying a fuzzy parameter adapter to be able to apply this to neural network problems. We were able to observe that the fuzzy adapter improves the speed of convergence of the mayfly algorithm and when applied to a neural network for the Mackey glass series, it manages to detect the optimal number of neurons of the hidden layer for the network architecture. However, when using the Mayfly algorithm to optimize the architecture of neural networks, the results do not improve much, so we can deduce that this metaheuristic method is not recommended (for the moment) for this type of optimization, due to the fact that the root mean square error did not get below 0.001 even using the modified Mayfly algorithm with the fuzzy adapter. There are a total of 14 papers forming the book in the above-mentioned topics. In conclusion, the edited book comprises papers on diverse aspects of fuzzy logic, neural networks and nature-inspired optimization meta-heuristics for designing and implementing hybrid intelligent systems and their application in areas , such as intelligent control and robotics, pattern recognition, time series prediction and optimization of complex problems.





نظرات کاربران