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: J. A. Tenreiro Machado, Béla Pátkai, Imre J. Rudas سری: ISBN (شابک) : 1402086776, 1402086784 ناشر: Springer سال نشر: 2009 تعداد صفحات: 437 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 22 مگابایت
در صورت تبدیل فایل کتاب Intelligent Engineering Systems and Computational Cybernetics 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 سیستم های مهندسی هوشمند و سایبرنتیک محاسباتی 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.
"عمل مهندسی اغلب مجبور است با سیستمهای پیچیده مدلهای چند متغیره و چند پارامتری تقریباً همیشه با جفتشدگی غیرخطی قوی سر و کار داشته باشد. رویکردهای مبتنی بر تکنیکهای تحلیلی مرسوم برای توصیف و پیشبینی رفتار چنین سیستمهایی در بسیاری از موارد محکوم به شکست هستند. از ابتدا، حتی در مرحله ساخت یک مدل ریاضی کم و بیش مناسب، این رویکردها معمولاً بیش از حد مقولهای هستند به این معنا که به نام \"\"دقت مدلسازی\"\" سعی میکنند تمام موارد را توصیف کنند. جزئیات ساختاری سیستم فیزیکی واقعی که باید مدلسازی شود. این میتواند پیچیدگی مدل را به طور قابلتوجهی افزایش دهد و ممکن است منجر به بار محاسباتی عظیمی بدون دستیابی به بهبود قابلتوجه در راهحل شود. بهترین پارادایم که این وضعیت را نشان میدهد، ممکن است نظریه اختلال کلاسیک باشد: تصحیح قابل دستیابی کمتر اهمیت دارد، کار بیشتری باید برای به دست آوردن آن سرمایه گذاری شود. هوش achine نوعی \"\"یکنواختی ساختاری\"\" است که فضا و امکان مدلسازی جزئیات خاص دلخواه را به صورت پیشینی مشخص و ناشناخته می دهد. این ایده شبیه به صنعت پوشاک آماده است که محصولاتی را معرفی کرد که میتوان آنها را بعداً در مقایسه با خلاقیتهای سفارشی با هدف حداکثر دقت از ابتدا تغییر داد. این اصلاحات بعدی می تواند توسط ماشین ها به طور خودکار انجام شود. این \"\"توانایی یادگیری\"\" عنصر کلیدی هوش ماشینی است. دهه گذشته تأیید کرد که دیدگاه اجزای معمولی محاسبات نرم کنونی مانند منطق فازی، محاسبات عصبی، محاسبات تکاملی و استدلال احتمالی ماهیت مکمل دارند و بهترین نتایج را می توان با کاربرد ترکیبی آنها اعمال کرد. امروزه دو شاخه مکمل هوش ماشینی، یعنی هوش مصنوعی و هوش محاسباتی، اساس سیستم های مهندسی هوشمند هستند. تعداد زیادی از نتایج علمی منتشر شده در مجموعه مقالات مجلات و کنفرانس ها در سراسر جهان این گفته را ثابت می کند. کتاب حاضر حاوی مقالات متعددی است که دیدگاههای متفاوتی در زمینه سیستمهای هوشمند دارد. \"ادامه مطلب...
" Engineering practice often has to deal with complex systems of multiple variable and multiple parameter models almost always with strong non-linear coupling. The conventional analytical techniques-based approaches for describing and predicting the behaviour of such systems in many cases are doomed to failure from the outset, even in the phase of the construction of a more or less appropriate mathematical model. These approaches normally are too categorical in the sense that in the name of ""modelling accuracy"" they try to describe all the structural details of the real physical system to be modelled. This can significantly increase the intricacy of the model and may result in a enormous computational burden without achieving considerable improvement of the solution. The best paradigm exemplifying this situation may be the classic perturbation theory: the less significant the achievable correction, the more work has to be invested to obtain it. A further important component of machine intelligence is a kind of ""structural uniformity"" giving room and possibility to model arbitrary particular details a priori not specified and unknown. This idea is similar to the ready-to-wear industry, which introduced products, which can be slightly modified later on in contrast to tailor-made creations aiming at maximum accuracy from the beginning. These subsequent corrections can be carried out by machines automatically. This ""learning ability"" is a key element of machine intelligence. The past decade confirmed that the view of typical components of the present soft computing as fuzzy logic, neural computing, evolutionary computation and probabilistic reasoning are of complementary nature and that the best results can be applied by their combined application. Today, the two complementary branches of Machine Intelligence, that is, Artificial Intelligence and Computational Intelligence serve as the basis of Intelligent Engineering Systems. The huge number of scientific results published in Journal and conference proceedings worldwide substantiates this statement. The present book contains several articles taking different viewpoints in the field of intelligent systems. " Read more...