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: Rick Riolo, Jason H. Moore, Mark Kotanchek (eds.) سری: Genetic and Evolutionary Computation ISBN (شابک) : 9781493903740, 9781493903757 ناشر: Springer-Verlag New York سال نشر: 2014 تعداد صفحات: 234 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب نظریه برنامه نویسی ژنتیک و تمرین XI: 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 XI 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 نویسی ژنتیک و تمرین XI 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 این جلد عبارتند از: محدودیتهای تکاملی، آرامسازی مکانیسمهای انتخاب، استراتژیهای حفظ تنوع، ارزیابی تناسب اندام انعطافپذیر، تکامل در محیطهای پویا، انتخاب چند هدفه و چندوجهی، مبانی تکاملپذیری، اپراتورهای تکاملی و تطبیقی، بنیاد متخصص تزریق دانش در جستجوی تکاملی، تجزیه و تحلیل دشواری مشکل و پیچیدگی الگوریتم GP مورد نیاز، مبانی در اجرای GP بر روی ابر - ارتباطات، همکاری، پیاده سازی انعطاف پذیر، و روش های مجموعه. نقاط کانونی اضافی برای رگرسیون نمادین GP عبارتند از: (1) نیاز به تضمین همگرایی به راه حل ها در حالت کشف تابع. (2) مسائل مربوط به اعتبار مدل. (3) نیاز به گردش کار تجزیه و تحلیل مدل برای تولید بینش بر اساس راه حل های GP تولید شده - کاوش مدل، تجسم، انتخاب متغیر، تجزیه و تحلیل ابعاد. (4) مسائل مربوط به ترکیب انواع مختلف داده ها. خوانندگان از طریق ارائههای عمیق آخرین و مهمترین نتایج، کاربردهای GP در مقیاس بزرگ و در دنیای واقعی را 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 in this volume include: evolutionary constraints, relaxation of selection mechanisms, diversity preservation strategies, flexing fitness evaluation, evolution in dynamic environments, multi-objective and multi-modal selection, foundations of evolvability, evolvable and adaptive evolutionary operators, foundation of injecting expert knowledge in evolutionary search, analysis of problem difficulty and required GP algorithm complexity, foundations in running GP on the cloud – communication, cooperation, flexible implementation, and ensemble methods. Additional focal points for GP symbolic regression are: (1) The need to guarantee convergence to solutions in the function discovery mode; (2) Issues on model validation; (3) The need for model analysis workflows for insight generation based on generated GP solutions – model exploration, visualization, variable selection, dimensionality analysis; (4) Issues in combining different types of data. 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-xiv
Extreme Accuracy in Symbolic Regression....Pages 1-30
Exploring Interestingness in a Computational Evolution System for the Genome-Wide Genetic Analysis of Alzheimer’s Disease....Pages 31-45
Optimizing a Cloud Contract Portfolio Using Genetic Programming-Based Load Models....Pages 47-63
Maintenance of a Long Running Distributed Genetic Programming System for Solving Problems Requiring Big Data....Pages 65-83
Grounded Simulation: Using Simulated Evolution to Guide Embodied Evolution....Pages 85-100
Applying Genetic Programming in Business Forecasting....Pages 101-117
Explaining Unemployment Rates with Symbolic Regression....Pages 119-135
Uniform Linear Transformation with Repair and Alternation in Genetic Programming....Pages 137-153
A Deterministic and Symbolic Regression Hybrid Applied to Resting-State fMRI Data....Pages 155-173
Gaining Deeper Insights in Symbolic Regression....Pages 175-190
Geometric Semantic Genetic Programming for Real Life Applications....Pages 191-209
Evaluation of Parameter Contribution to Neural Network Size and Fitness in ATHENA for Genetic Analysis....Pages 211-224
Back Matter....Pages 225-227