Issues in the Use of Neural Networks in Information Retrieval

این کتاب توانایی شبکه‌های عصبی (NN) را برای تطبیق الگوی عالی و اهمیت آنها در بازیابی اطلاعات (IR)، که بر اساس تطبیق اصطلاحات شاخص است، برجسته می‌کند. این کتاب یک روش جدید مبتنی بر NN را برای یادگیری شباهت تصویر تعریف می‌کند و نحوه استفاده از شبکه‌های عصبی گاوسی فازی برای پیش‌بینی شخصیت را شرح می‌دهد. شبکه کلیفورد گاوسی فازی و دو مدل عصبی همزمان را معرفی می‌کند: (1) ماژول‌های پرسپترون غیرخطی فازی همزمان، و (2) ماژول های شبکه عصبی گاوسی فازی همزمان. علاوه بر این، طراحی مدل جدیدی از پرسپترون غیرخطی فازی بر اساس مجموعه های سطح آلفا را توضیح می دهد و یک مدل شبکه عصبی فازی تکراری را با یک الگوریتم یادگیری بر اساس روش بهینه سازی ازدحام ذرات بهبودیافته توصیف می کند.

This book highlights the ability of neural networks (NNs) to be excellent pattern matchers and their importance in information retrieval (IR), which is based on index term matching. The book defines a new NN-based method for learning image similarity and describes how to use fuzzy Gaussian neural networks to predict personality.It introduces the fuzzy Clifford Gaussian network, and two concurrent neural models: (1) concurrent fuzzy nonlinear perceptron modules, and (2) concurrent fuzzy Gaussian neural network modules.Furthermore, it explains the design of a new model of fuzzy nonlinear perceptron based on alpha level sets and describes a recurrent fuzzy neural network model with a learning algorithm based on the improved particle swarm optimization method.