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
ویرایش: 1 نویسندگان: Michael Orlov, Moshe Sipper (auth.), Rick Riolo, Trent McConaghy, Ekaterina Vladislavleva (eds.) سری: Genetic and Evolutionary Computation 8 ISBN (شابک) : 9781441977465, 9781441977472 ناشر: Springer-Verlag New York سال نشر: 2011 تعداد صفحات: 270 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب نظریه برنامه ریزی ژنتیک و تمرین VIII: روش های محاسباتی، 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 VIII 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 VIII 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.
مشارکتهای این جلد توسط برجستهترین محققان و پزشکان بینالمللی در عرصه GP نوشته شده است. آنها شباهت ها و تفاوت های بین نتایج نظری و تجربی در مسائل دنیای واقعی را بررسی می کنند. این متن به بررسی هم افزایی بین تئوری و عمل می پردازد و دیدگاهی جامع از وضعیت هنر در برنامه GP ایجاد می کند.
موضوعات عبارتند از: FINCH: سیستمی برای تکامل جاوا، تکامل خودکار عملی، مکعب روبیک و یادگیری توالی زمانی GP، طبقهبندیکنندههای گروه: AdaBoost و تکامل متعامد تیمها، GP دکارتی خود اصلاحکننده، رگرسیون نمادین گرامر بیان انتزاعی، بهینهسازی پارتو برای سن، تناسب سنی، رگرسیون نمادین مقیاسپذیر توسط مدلهای تغییر شکل پیوسته GD، ، تعاملات پروتئین در یک سیستم تکامل محاسباتی، ترکیب موسیقی و استراتژیهای مالی از طریق GP، و هنر تکاملی با استفاده از رتبههای چند هدفی جمعآوریشده.
خوانندگان برنامههای کاربردی در مقیاس بزرگ و در دنیای واقعی GP را برای یک GP کشف خواهند کرد. انواع حوزه های مشکل از طریق ارائه های عمیق آخرین و مهم ترین نتایج در GP.
The contributions in this volume are written by the foremost international researchers and practitioners in the GP arena. They examine the similarities and differences between theoretical and empirical results on real-world problems. The text explores the synergy between theory and practice, producing a comprehensive view of the state of the art in GP application.
Topics include: FINCH: A System for Evolving Java, Practical Autoconstructive Evolution, The Rubik Cube and GP Temporal Sequence Learning, Ensemble classifiers: AdaBoost and Orthogonal Evolution of Teams, Self-modifying Cartesian GP, Abstract Expression Grammar Symbolic Regression, Age-Fitness Pareto Optimization, Scalable Symbolic Regression by Continuous Evolution, Symbolic Density Models, GP Transforms in Linear Regression Situations, Protein Interactions in a Computational Evolution System, Composition of Music and Financial Strategies via GP, and Evolutionary Art Using Summed Multi-Objective Ranks.
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 in GP .
Front Matter....Pages 1-1
Finch: A System for Evolving Java (Bytecode)....Pages 1-16
Towards Practical Autoconstructive Evolution: Self-Evolution of Problem-Solving Genetic Programming Systems....Pages 17-33
The Rubik Cube and GP Temporal Sequence Learning: An Initial Study....Pages 35-54
Ensemble Classifiers: AdaBoost and Orthogonal Evolution of Teams....Pages 55-69
Covariant Tarpeian Method for Bloat Control in Genetic Programming....Pages 71-89
A Survey of Self Modifying Cartesian Genetic Programming....Pages 91-107
Abstract Expression Grammar Symbolic Regression....Pages 109-128
Age-Fitness Pareto Optimization....Pages 129-146
Scalable Symbolic Regression by Continuous Evolution with Very Small Populations....Pages 147-160
Symbolic Density Models of One-in-a-Billion Statistical Tails via Importance Sampling and Genetic Programming....Pages 161-173
Genetic Programming Transforms in Linear Regression Situations....Pages 175-194
Exploiting Expert Knowledge of Protein-Protein Interactions in a Computational Evolution System for Detecting Epistasis....Pages 195-210
Composition of Music and Financial Strategies via Genetic Programming....Pages 211-226
Evolutionary Art Using Summed Multi-Objective Ranks....Pages 227-244
Back Matter....Pages 16-16