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 ed.]
نویسندگان: Yuri Malitsky (auth.)
سری:
ISBN (شابک) : 9783319112299, 9783319112305
ناشر: Springer International Publishing
سال نشر: 2014
تعداد صفحات: 134
[137]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 Mb
در صورت تبدیل فایل کتاب Instance-Specific Algorithm Configuration 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 پیکربندی الگوریتم خاص نمونه 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 کتاب یک تکنیک مدولار و قابل گسترش را در حوزه تحقیقاتی به سرعت در حال ظهور پیکربندی خودکار و انتخاب بهترین الگوریتم برای نمونه مورد نظر ارائه میدهد. نویسنده مدل اصلی پشت ISAC را ارائه می دهد و سپس تعدادی از اصلاحات و کاربردهای عملی را شرح می دهد. به طور خاص، او به تولید ویژگی های خودکار، پیکربندی الگوریتم آفلاین برای تولید نمونه کارها، انتخاب الگوریتم، حل کننده های تطبیقی، تنظیم آنلاین و موازی سازی می پردازد.
پایان نامه مرتبط نویسنده با افتخار (نائب قهرمان) برای جایزه پایان نامه ACP در سال 2014 ذکر شد و این کتاب شامل بخش ها و یادداشت های گسترده ای در مورد تحولات اخیر است. علاوه بر این، تکنیکهای شرحدادهشده در این کتاب با موفقیت برای تعدادی از حلکنندهها که در مسابقات بینالمللی SAT و MaxSAT رقابت میکردند، به کار گرفته شد و در مجموع 18 مدال طلا بین سالهای 2011 تا 2014 کسب کردند.
< p>این کتاب برای محققان و متخصصان هوش مصنوعی، بهویژه در زمینه یادگیری ماشین و برنامهنویسی محدودیتها مورد توجه قرار خواهد گرفت.This book presents a modular and expandable technique in the rapidly emerging research area of automatic configuration and selection of the best algorithm for the instance at hand. The author presents the basic model behind ISAC and then details a number of modifications and practical applications. In particular, he addresses automated feature generation, offline algorithm configuration for portfolio generation, algorithm selection, adaptive solvers, online tuning, and parallelization.
The author's related thesis was honorably mentioned (runner-up) for the ACP Dissertation Award in 2014, and this book includes some expanded sections and notes on recent developments. Additionally, the techniques described in this book have been successfully applied to a number of solvers competing in the SAT and MaxSAT International Competitions, winning a total of 18 gold medals between 2011 and 2014.
The book will be of interest to researchers and practitioners in artificial intelligence, in particular in the area of machine learning and constraint programming.