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
دسته بندی: آموزشی ویرایش: 1 نویسندگان: H.R. Madala, Alexy G. Ivakhnenko سری: ISBN (شابک) : 0849344387, 9780849344381 ناشر: سال نشر: 1994 تعداد صفحات: 373 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Inductive Learning Algorithms for Complex Systems Modeling 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 الگوریتم های یادگیری استقرایی برای مدل سازی سیستم های پیچیده 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.
الگوریتمهای یادگیری القایی برای مدلسازی سیستمهای پیچیده یک تک نگاری حرفهای است که انواع جدیدی از الگوریتمهای یادگیری را برای مدلسازی سیستمهای علمی پیچیده در علوم و مهندسی بررسی میکند. این کتاب ویژگی های بحث توسعه الگوریتم، ساختار، و رفتار. پوشش جامع انواع الگوریتم های مفید برای این موضوع؛ و کاربردهای فعالیتهای مدلسازی مختلف (مانند سیستمهای محیطی، ایمنی نویز، سیستمهای اقتصادی، خوشهبندی و شبکههای عصبی). این مقاله مطالعات اخیر را در مورد مشکلات خوشهبندی و شناسایی ارائه میکند و شامل فهرستهایی از الگوریتمها در FORTRAN است که میتوانند مستقیماً روی رایانههای شخصی سازگار با IBM اجرا شوند. الگوریتمهای یادگیری استقرایی برای مدلسازی سیستمهای پیچیده مرجع ارزشمندی برای دانشجویان فارغالتحصیل، پژوهشگران و دانشمندان در رشتههای ریاضی کاربردی، آمار، علوم کامپیوتر و علوم سیستمی خواهد بود. این کتاب همچنین از مهندسین و دانشمندان در زمینههای کاربردی مانند مطالعات زیستمحیطی، مدلسازی اقیانوسشناسی، پیشبینی آبوهوا، مطالعات آلودگی هوا و آب، اقتصاد، هیدرولوژی، کشاورزی، شیلات و ارزیابیهای سری زمانی بهرهمند خواهد شد.
Inductive Learning Algorithms for Complex Systems Modeling is a professional monograph that surveys new types of learning algorithms for modeling complex scientific systems in science and engineering. The book features discussions of algorithm development, structure, and behavior; comprehensive coverage of all types of algorithms useful for this subject; and applications of various modeling activities (e.g., environmental systems, noise immunity, economic systems, clusterization, and neural networks). It presents recent studies on clusterization and recognition problems, and it includes listings of algorithms in FORTRAN that can be run directly on IBM-compatible PCs. Inductive Learning Algorithms for Complex Systems Modeling will be a valuable reference for graduate students, research workers, and scientists in applied mathematics, statistics, computer science, and systems science disciplines. The book will also benefit engineers and scientists from applied fields such as environmental studies, oceanographic modeling, weather forecasting, air and water pollution studies, economics, hydrology, agriculture, fisheries, and time series evaluations.