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: 1st ed. نویسندگان: Wolfgang Banzhaf, Lee Spector, Leigh Sheneman سری: Genetic and Evolutionary Computation ISBN (شابک) : 9783030047344, 9783030047351 ناشر: Springer International Publishing سال نشر: 2019 تعداد صفحات: 249 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب تئوری و عمل برنامه ریزی ژنتیکی شانزدهم: علوم کامپیوتر، هوش محاسباتی، تحلیل الگوریتم و پیچیدگی مسئله
در صورت تبدیل فایل کتاب Genetic Programming Theory and Practice XVI 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 تئوری و عمل برنامه ریزی ژنتیکی شانزدهم 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 محققین بینالمللی و دست اندرکاران برنامهنویسی ژنتیک (GP) نوشته شده است، همافزایی بین نتایج نظری و تجربی در مسائل دنیای واقعی را بررسی میکند و دیدگاهی جامع از وضعیت هنر در GP. موضوعات این جلد عبارتند از: برنامههای توسعهای در حال توسعه برای شبکههای عصبی برای حل مشکلات متعدد، برنامههای درهم، یادگیری انتقال و تشخیص نقاط پرت با استفاده از GP، جستجوی برنامه برای خطوط لوله یادگیری ماشین در یادگیری تقویتی، برنامهنویسی خودکار با GP، انواع جدید GP، مانند SignalGP، انواع انتخاب واژگان، و رگرسیون نمادین و تکنیک های طبقه بندی. این جلد شامل چندین فصل در مورد بهترین شیوه ها و درس های آموخته شده از تجربه عملی 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 in this volume include: evolving developmental programs for neural networks solving multiple problems, tangled program, transfer learning and outlier detection using GP, program search for machine learning pipelines in reinforcement learning, automatic programming with GP, new variants of GP, like SignalGP, variants of lexicase selection, and symbolic regression and classification techniques. The volume includes several chapters on best practices and lessons learned from hands-on experience. 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-xxi
Exploring Genetic Programming Systems with MAP-Elites (Emily Dolson, Alexander Lalejini, Charles Ofria)....Pages 1-16
The Evolutionary Buffet Method (Arend Hintze, Jory Schossau, Clifford Bohm)....Pages 17-36
Emergent Policy Discovery for Visual Reinforcement Learning Through Tangled Program Graphs: A Tutorial (Stephen Kelly, Robert J. Smith, Malcolm I. Heywood)....Pages 37-57
Strong Typing, Swarm Enhancement, and Deep Learning Feature Selection in the Pursuit of Symbolic Regression-Classification (Michael F. Korns, Tim May)....Pages 59-84
Cluster Analysis of a Symbolic Regression Search Space (Gabriel Kronberger, Lukas Kammerer, Bogdan Burlacu, Stephan M. Winkler, Michael Kommenda, Michael Affenzeller)....Pages 85-102
What Else Is in an Evolved Name? Exploring Evolvable Specificity with SignalGP (Alexander Lalejini, Charles Ofria)....Pages 103-121
Lexicase Selection Beyond Genetic Programming (Blossom Metevier, Anil Kumar Saini, Lee Spector)....Pages 123-136
Evolving Developmental Programs That Build Neural Networks for Solving Multiple Problems (Julian F. Miller, Dennis G. Wilson, Sylvain Cussat-Blanc)....Pages 137-178
The Elephant in the Room: Towards the Application of Genetic Programming to Automatic Programming (Michael O’Neill, David Fagan)....Pages 179-192
Untapped Potential of Genetic Programming: Transfer Learning and Outlier Removal (Leonardo Trujillo, Luis Muñoz, Uriel López, Daniel E. Hernández)....Pages 193-207
Program Search for Machine Learning Pipelines Leveraging Symbolic Planning and Reinforcement Learning (Fangkai Yang, Steven Gustafson, Alexander Elkholy, Daoming Lyu, Bo Liu)....Pages 209-231
Back Matter ....Pages 233-234