Granular Neural Networks, Pattern Recognition and Bioinformatics

این کتاب چارچوب یکنواختی را ارائه می‌کند که توضیح می‌دهد چگونه فناوری‌های شبکه عصبی دانه‌ای ناهموار فازی می‌توانند فرموله شوند و در ساخت مدل‌های شناسایی الگوی کارآمد و استخراج استفاده شوند. همچنین تشکیل گرانول ها را در مفهوم مجموعه های فازی و خشن مورد بحث قرار می دهد. ادغام عاقلانه در تشکیل دانه‌های اطلاعات ناهموار فازی بر اساس مناطق تقریبی پایین‌تر، شبکه را قادر می‌سازد تا دقت در شکل کلاس را تعیین کند و همچنین عدم قطعیت‌های ناشی از مناطق همپوشانی را مدیریت کند، که منجر به یادگیری کارآمد و سریع با عملکرد پیشرفته می‌شود. شبکه لایه‌ای و نقشه‌های تحلیل خودسازمان‌دهی که دارای پتانسیل قوی در داده‌های بزرگ هستند، به عنوان ماژول‌های اساسی در نظر گرفته می‌شوند.

این کتاب بر اساس مراحل اصلی یک سیستم تشخیص الگو (به عنوان مثال، طبقه‌بندی) ساختار یافته است. ، خوشه بندی و انتخاب ویژگی) با ترکیبی متعادل از نظریه، الگوریتم و کاربرد. این آخرین یافته ها و همچنین دستورالعمل هایی برای تحقیقات آینده، به ویژه برجسته کردن کاربردهای بیوانفورماتیک را پوشش می دهد. این کتاب هم برای دانشجویان و هم برای پزشکان شاغل در علوم کامپیوتر، مهندسی برق، علم داده، طراحی سیستم، تشخیص الگو، تجزیه و تحلیل تصویر، محاسبات عصبی، تجزیه و تحلیل شبکه های اجتماعی، تجزیه و تحلیل داده های بزرگ، زیست شناسی محاسباتی و محاسبات نرم توصیه می شود.

This book provides a uniform framework describing how fuzzy rough granular neural network technologies can be formulated and used in building efficient pattern recognition and mining models. It also discusses the formation of granules in the notion of both fuzzy and rough sets. Judicious integration in forming fuzzy-rough information granules based on lower approximate regions enables the network to determine the exactness in class shape as well as to handle the uncertainties arising from overlapping regions, resulting in efficient and speedy learning with enhanced performance. Layered network and self-organizing analysis maps, which have a strong potential in big data, are considered as basic modules,.

The book is structured according to the major phases of a pattern recognition system (e.g., classification, clustering, and feature selection) with a balanced mixture of theory, algorithm, and application. It covers the latest findings as well as directions for future research, particularly highlighting bioinformatics applications. The book is recommended for both students and practitioners working in computer science, electrical engineering, data science, system design, pattern recognition, image analysis, neural computing, social network analysis, big data analytics, computational biology and soft computing.