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 O’Neill. Conor Ryan (auth.)
سری: Genetic Programming Series 4
ISBN (شابک) : 9781461350811, 9781461504474
ناشر: Springer US
سال نشر: 2003
تعداد صفحات: 156
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب تکامل گرامری: برنامه نویسی خودکار تکاملی به زبان دلخواه: هوش مصنوعی (شامل رباتیک)، نظریه محاسبات، علوم کامپیوتر، عمومی
در صورت تبدیل فایل کتاب Grammatical Evolution: Evolutionary Automatic Programming in an Arbitrary Language 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 تکامل گرامری: برنامه نویسی خودکار تکاملی به زبان دلخواه 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.
تکامل دستوری: برنامهنویسی خودکار تکاملی به زبان دلخواه اولین مقدمه جامعی را برای تکامل دستوری ارائه میکند، رویکردی جدید برای برنامهریزی ژنتیکی که اصول زیستشناسی مولکولی را به شیوهای ساده و مفید، همراه با استفاده از گرامر برای مشخص کردن ساختارهای قانونی در جستجو. مدولار بودن غنی Grammatical Evolution انعطاف پذیری منحصر به فردی می دهد و استفاده از استراتژی های جستجوی جایگزین - خواه تکاملی، قطعی یا هر رویکرد دیگر - و حتی تغییر اساسی رفتار آن را صرفاً با تغییر دستور زبان ارائه شده ممکن می سازد. این رویکرد به برنامهنویسی ژنتیک نشاندهنده یک سلاح جدید قدرتمند در جعبه ابزار یادگیری ماشین است که میتواند در مجموعهای متنوع از حوزههای مشکل اعمال شود.
Grammatical Evolution: Evolutionary Automatic Programming in an Arbitrary Language provides the first comprehensive introduction to Grammatical Evolution, a novel approach to Genetic Programming that adopts principles from molecular biology in a simple and useful manner, coupled with the use of grammars to specify legal structures in a search. Grammatical Evolution's rich modularity gives a unique flexibility, making it possible to use alternative search strategies - whether evolutionary, deterministic or some other approach - and to even radically change its behavior by merely changing the grammar supplied. This approach to Genetic Programming represents a powerful new weapon in the Machine Learning toolkit that can be applied to a diverse set of problem domains.
Front Matter....Pages i-xvi
Introduction....Pages 1-4
Survey Of Evolutionary Automatic Programming....Pages 5-21
Lessons From Molecular Biology....Pages 23-32
Grammatical Evolution....Pages 33-47
Four Examples of Grammatical Evolution....Pages 49-62
Analysis of Grammatical Evolution....Pages 63-77
Crossover in Grammatical Evolution....Pages 79-98
Extensions & Applications....Pages 99-128
Conclusions & Future Work....Pages 129-132
Back Matter....Pages 133-144