مشخصات کتاب

Machine Learning Control by Symbolic Regression

ویرایش: [1 ed.] 
نویسندگان: Askhat Diveev. Elizaveta Shmalko  
سری:  
ISBN (شابک) : 3030832120, 9783030832124 
ناشر: Springer 
سال نشر: 2021 
تعداد صفحات: 164 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 Mb 

در صورت تبدیل فایل کتاب Machine Learning Control by Symbolic Regression 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 کنترل یادگیری ماشین با رگرسیون نمادین 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.

توضیحاتی در مورد کتاب کنترل یادگیری ماشین با رگرسیون نمادین

این کتاب پوشش جامعی در جهت جدید در تحقیقات ریاضیات محاسباتی ارائه می دهد: جستجوی خودکار برای فرمول ها. فرمول ها را باید در همه زمینه های علم و زندگی جستجو کرد: اینها قوانین جهان، جهان کلان و خرد، فیزیک بنیادی، مهندسی، آب و هوا و پیش بینی بلایای طبیعی هستند. جستجو برای قوانین جدید در اقتصاد، سیاست، جامعه شناسی. نویسندگان با جمع آوری چندین سال تجربه در توسعه و بکارگیری روش های عددی رگرسیون نمادین برای حل مسائل کنترل، امکانات جدیدی را نه تنها در زمینه اتوماسیون کنترل، بلکه در طراحی ساختارهای بهینه کاملاً متفاوت در بسیاری از زمینه ها ارائه می دهند. برای متخصصان در زمینه کنترل، کنترل یادگیری ماشین با رگرسیون نمادین مسیر امیدوارکننده جدیدی از تحقیقات را باز می کند و دانشمندان را با روش های ساخت خودکار سیستم های کنترل آشنا می کند. برای متخصصان در زمینه یادگیری ماشین، این کتاب راه جدیدی را باز می کند. جهت بسیار گسترده تر از شبکه های عصبی: روش های رگرسیون نمادین. این کتاب تسلط بر این حوزه جدید در یادگیری ماشین را آسان می کند و این رویکرد را در هر جایی که از شبکه های عصبی استفاده می شود به کار می برد. برای ریاضیدانان، این کتاب رویکرد جدیدی را برای ساخت روش های عددی برای به دست آوردن راه حل های تحلیلی برای مسائل غیرقابل حل باز می کند. به عنوان مثال، حل های تحلیلی عددی معادلات جبری، معادلات دیفرانسیل، انتگرال های غیر پیش پا افتاده، و غیره. برای متخصصان در زمینه هوش مصنوعی، این کتاب راه ماشینی برای حل مسائل ارائه می دهد که در قالب روابط تحلیلی قاب شده است.

توضیحاتی درمورد کتاب به خارجی

This book provides comprehensive coverage on a new direction in computational mathematics research: automatic search for formulas. Formulas must be sought in all areas of science and life: these are the laws of the universe, the macro and micro world, fundamental physics, engineering, weather and natural disasters forecasting; the search for new laws in economics, politics, sociology. Accumulating many years of experience in the development and application of numerical methods of symbolic regression to solving control problems, the authors offer new possibilities not only in the field of control automation, but also in the design of completely different optimal structures in many fields. For specialists in the field of control, Machine Learning Control by Symbolic Regression opens up a new promising direction of research and acquaints scientists with the methods of automatic construction of control systems.For specialists in the field of machine learning, the book opens up a new, much broader direction than neural networks: methods of symbolic regression. This book makes it easy to master this new area in machine learning and apply this approach everywhere neural networks are used. For mathematicians, the book opens up a new approach to the construction of numerical methods for obtaining analytical solutions to unsolvable problems; for example, numerical analytical solutions of algebraic equations, differential equations, non-trivial integrals, etc. For specialists in the field of artificial intelligence, the book offers a machine way to solve problems, framed in the form of analytical relationships.

فهرست مطالب

Preface
Contents
Acronyms
1 Introduction
	1.1 About Modern Control Systems
	1.2 About Machine Learning Control
	1.3 About Symbolic Regression Methods
	References
2 Mathematical Statements of MLC Problems
	2.1 Machine Learning Problem
	2.2 Optimal Control Problem
	2.3 Control Synthesis Problem
	2.4 Synthesized Optimal Control Problem
	2.5 Model Identification Problem
	References
3 Numerical Solution of Machine Learning Control Problems
	3.1 Artificial Neural Networks
	3.2 General Approach of Symbolic Regression
	3.3 The Principle of Small Variations of the Basic Solution
	3.4 Genetic Algorithm for Multicriterial Structural-Parametric Search of Functions
	3.5 Space of Machine-Made Functions
	Appendix
	References
4 Symbolic Regression Methods
	4.1 Genetic Programming
	4.2 Grammatical Evolution
	4.3 Cartesian Genetic Programming
	4.4 Inductive Genetic Programming
	4.5 Analytic Programming
	4.6 Parse-Matrix Evolution
	4.7 Binary Complete Genetic Programming
	4.8 Network Operator Method
	4.9 Variational Symbolic Regression Methods
		4.9.1 Variational Genetic Programming
		4.9.2 Variational Analytic Programming
		4.9.3 Variational Binary Complete Genetic Programming
		4.9.4 Variational Cartesian Genetic Programming
	4.10 Multilayer Symbolic Regression Methods
	References
5 Examples of MLC Problem Solutions
	5.1 Control Synthesis as Unsupervised MLC
		5.1.1 Pontryagin's Example
		5.1.2 Mobile Robot
		5.1.3 Quadcopter
	5.2 Control Synthesis as Supervised MLC
	5.3 Identification and Control Synthesis for Multi-link Robot
	5.4 Synthesized Optimal Control Example
		5.4.1 Synthesized Optimal Control
		5.4.2 Direct Solution of the Optimal Control Problem
		5.4.3 Experimental Analysis of Sensitivity to Perturbations
	5.5 Machine Learning in Synergetic Control
	References

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Religion, the Enlightenment, and the New Global Order

دانلود کتاب Mikrocontrollerprojekte mit mit Arduino, ATmega, ESP32 und Co.: Von der Idee zum fertigen Projekt (German Edition)

دانلود کتاب James VI and Noble Power in Scotland 1578 - 1603

دانلود کتاب Talking Collective Action: A Sequential Analysis of Strategic Planning in Anti-Nuclear Groups

دانلود کتاب The Code of Life