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: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: Lee Spector, Kyle Harrington, Brian Martin (auth.), Rick Riolo, Ekaterina Vladislavleva, Jason H. Moore (eds.) سری: Genetic and Evolutionary Computation ISBN (شابک) : 1461417694, 9781461417699 ناشر: Springer-Verlag New York سال نشر: 2011 تعداد صفحات: 292 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب نظریه برنامه ریزی ژنتیک و تمرین IX: هوش مصنوعی (شامل رباتیک)، تئوری محاسبات، تحلیل الگوریتم و پیچیدگی مسئله، تکنیک های برنامه نویسی
در صورت تبدیل فایل کتاب Genetic Programming Theory and Practice IX 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 نظریه برنامه ریزی ژنتیک و تمرین IX 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 مشارکتها که توسط برجستهترین محققان بینالمللی و دست اندرکاران برنامهنویسی ژنتیک (GP) نوشته شدهاند، همافزایی بین نتایج نظری و تجربی در مسائل دنیای واقعی را بررسی میکنند و دیدگاهی جامع از وضعیت هنر در GP ایجاد میکنند. موضوعات عبارتند از: مدولار بودن و مقیاس پذیری. تکامل پذیری؛ نتایج رقابتی انسانی؛ نیاز به مسائل مهم قابل حل با تاثیر بالا توسط پزشک عمومی؛ خطرات رکود جستجو و قطع راه حل ها؛ نیاز به تازگی؛ توانمندسازی جستجوی پزشک عمومی با دانش تخصصی؛ علاوه بر این، رگرسیون نمادین GP به طور کامل مورد بحث قرار می گیرد و به موضوعاتی مانند تکرارپذیری تضمین شده SR می پردازد. اعتبارسنجی نتایج SR، اندازه گیری و کنترل پیچیدگی ژنوتیپی. کنترل پیچیدگی فنوتیپی؛ شناسایی، نظارت و اجتناب از تناسب بیش از حد؛ یافتن مجموعه ای جامع از معیارهای SR، مقایسه SR با یادگیری ماشین. این متن برای همه کاوشگران GP است. خوانندگان از طریق ارائههای عمیق آخرین و مهمترین نتایج، کاربردهای واقعی GP را در مقیاس بزرگ و در دنیای واقعی در حوزههای مختلف مشکل کشف خواهند کرد.
These contributions, written by the foremost international researchers and practitioners of Genetic Programming (GP), explore the synergy between theoretical and empirical results on real-world problems, producing a comprehensive view of the state of the art in GP. Topics include: modularity and scalability; evolvability; human-competitive results; the need for important high-impact GP-solvable problems;; the risks of search stagnation and of cutting off paths to solutions; the need for novelty; empowering GP search with expert knowledge; In addition, GP symbolic regression is thoroughly discussed, addressing such topics as guaranteed reproducibility of SR; validating SR results, measuring and controlling genotypic complexity; controlling phenotypic complexity; identifying, monitoring, and avoiding over-fitting; finding a comprehensive collection of SR benchmarks, comparing SR to machine learning. This text is for all GP explorers. Readers will discover large-scale, real-world applications of GP to a variety of problem domains via in-depth presentations of the latest and most significant results.
Front Matter....Pages i-xxvii
What’s in an Evolved Name? The Evolution of Modularity via Tag-Based Reference....Pages 1-16
Let the Games Evolve!....Pages 17-36
Novelty Search and the Problem with Objectives....Pages 37-56
A Fine-Grained View of Phenotypes and Locality in Genetic Programming....Pages 57-76
Evolution of an Effective Brain-Computer Interface Mouse via Genetic Programming with Adaptive Tarpeian Bloat Control....Pages 77-95
Improved Time Series Prediction and Symbolic Regression with Affine Arithmetic....Pages 97-112
Computational Complexity Analysis of Genetic Programming - Initial Results and Future Directions....Pages 113-128
Accuracy in Symbolic Regression....Pages 129-151
Human-Computer Interaction in a Computational Evolution System for the Genetic Analysis of Cancer....Pages 153-171
Baseline Genetic Programming: Symbolic Regression on Benchmarks for Sensory Evaluation Modeling....Pages 173-194
Detecting Shadow Economy Sizes with Symbolic Regression....Pages 195-210
The Importance of Being Flat–Studying the Program Length Distributions of Operator Equalisation....Pages 211-233
FFX: Fast, Scalable, Deterministic Symbolic Regression Technology....Pages 235-260
Back Matter....Pages 261-263