ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Multi-objective machine learning

دانلود کتاب یادگیری ماشینی چند هدفه

Multi-objective machine learning

مشخصات کتاب

Multi-objective machine learning

دسته بندی: آموزشی
ویرایش: 1 
نویسندگان:   
سری: Studies in Computational Intelligence 
ISBN (شابک) : 9783540306764, 3540306765 
ناشر: Springer 
سال نشر: 2006 
تعداد صفحات: 656 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت

قیمت کتاب (تومان) : 29,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Multi-objective machine learning 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 یادگیری ماشینی چند هدفه 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 یادگیری ماشینی چند هدفه

اخیراً، علاقه فزاینده ای به کاربرد مفهوم بهینه پارتو در یادگیری ماشین نشان داده شده است، به ویژه با الهام از پیشرفت های موفقیت آمیز در بهینه سازی چندهدفه تکاملی. نشان داده شده است که رویکرد چند هدفه به یادگیری ماشین به ویژه برای بهبود عملکرد روش‌های یادگیری ماشینی تک هدفی سنتی، تولید مدل‌های بهینه پارتوی بسیار متنوع برای ساخت مدل‌های مجموعه‌ها و دستیابی به تجارت دلخواه موفق است. - بین دقت و تفسیرپذیری شبکه های عصبی یا سیستم های فازی. این مونوگراف مجموعه ای منتخب از کار تحقیقاتی در مورد رویکرد چند هدفه به یادگیری ماشین، از جمله انتخاب ویژگی های چند هدفه، انتخاب مدل چند هدفه در آموزش پرسپترون های چند لایه، شبکه های مبتنی بر تابع شعاعی، ماشین های بردار پشتیبان، درخت های تصمیم را ارائه می دهد. و سیستم های هوشمند


توضیحاتی درمورد کتاب به خارجی

Recently, increasing interest has been shown in applying the concept of Pareto-optimality to machine learning, particularly inspired by the successful developments in evolutionary multi-objective optimization. It has been shown that the multi-objective approach to machine learning is particularly successful to improve the performance of the traditional single objective machine learning methods, to generate highly diverse multiple Pareto-optimal models for constructing ensembles models and, and to achieve a desired trade-off between accuracy and interpretability of neural networks or fuzzy systems. This monograph presents a selected collection of research work on multi-objective approach to machine learning, including multi-objective feature selection, multi-objective model selection in training multi-layer perceptrons, radial-basis-function networks, support vector machines, decision trees, and intelligent systems.



فهرست مطالب

Front Matter....Pages I-XIII
Feature Selection Using Rough Sets....Pages 3-20
Multi-Objective Clustering and Cluster Validation....Pages 21-47
Feature Selection for Ensembles Using the Multi-Objective Optimization Approach....Pages 49-74
Feature Extraction Using Multi-Objective Genetic Programming....Pages 75-99
Front Matter....Pages I-XIII
Regression Error Characteristic Optimisation of Non-Linear Models....Pages 103-123
Regularization for Parameter Identification Using Multi-Objective Optimization....Pages 125-149
Multi-Objective Algorithms for Neural Networks Learning....Pages 151-171
Generating Support Vector Machines Using Multi-Objective Optimization and Goal Programming....Pages 173-198
Multi-Objective Optimization of Support Vector Machines....Pages 199-220
Multi-Objective Evolutionary Algorithm for Radial Basis Function Neural Network Design....Pages 221-239
Minimizing Structural Risk on Decision Tree Classification....Pages 241-260
Multi-objective Learning Classifier Systems....Pages 261-288
Front Matter....Pages I-XIII
Simultaneous Generation of Accurate and Interpretable Neural Network Classifiers....Pages 291-312
GA-Based Pareto Optimization for Rule Extraction from Neural Networks....Pages 313-338
Agent Based Multi-Objective Approach to Generating Interpretable Fuzzy Systems....Pages 339-364
Multi-objective Evolutionary Algorithm for Temporal Linguistic Rule Extraction....Pages 365-383
Multiple Objective Learning for Constructing Interpretable Takagi-Sugeno Fuzzy Model....Pages 385-403
Front Matter....Pages I-XIII
Pareto-Optimal Approaches to Neuro-Ensemble Learning....Pages 407-427
Trade-Off Between Diversity and Accuracy in Ensemble Generation....Pages 429-464
Cooperative Coevolution of Neural Networks and Ensembles of Neural Networks....Pages 465-490
Front Matter....Pages I-XIII
Multi-Objective Structure Selection for RBF Networks and Its Application to Nonlinear System Identification....Pages 491-505
Fuzzy Ensemble Design through Multi-Objective Fuzzy Rule Selection....Pages 507-530
Front Matter....Pages I-XIII
Multi-Objective Optimisation for Receiver Operating Characteristic Analysis....Pages 533-556
Multi-Objective Design of Neuro-Fuzzy Controllers for Robot Behavior Coordination....Pages 557-584
Fuzzy Tuning for the Docking Maneuver Controller of an Automated Guided Vehicle....Pages 585-600
A Multi-Objective Genetic Algorithm for Learning Linguistic Persistent Queries in Text Retrieval Environments....Pages 601-627
Multi-Objective Neural Network Optimization for Visual Object Detection....Pages 629-655




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی