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: [1st ed. 2020]
نویسندگان: Xin-She Yang. Xing-Shi He
سری: Studies in Computational Intelligence 855
ISBN (شابک) : 9783030285524, 9783030285531
ناشر: Springer International Publishing
سال نشر: 2020
تعداد صفحات: XI, 273
[282]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 Mb
در صورت تبدیل فایل کتاب Nature-Inspired Computation in Data Mining and 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 محاسبات الهام گرفته از طبیعت در داده کاوی و یادگیری ماشین 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 آخرین پیشرفتها در محاسبات الهامگرفته از طبیعت را با تمرکز بر کاربردهای بین رشتهای در دادهکاوی و یادگیری ماشین مرور میکند. داده کاوی، یادگیری ماشین و محاسبات الهام گرفته از طبیعت به دلیل اهمیت آنها در کاربردهای تئوری و عملی، موضوعات داغ تحقیقاتی فعلی هستند. هر فصل با اتخاذ یک رویکرد متمرکز بر کاربرد، موضوع خاصی را با توضیحات مفصل الگوریتمهای مربوطه، بررسی ادبیات گسترده و جزئیات پیادهسازی معرفی میکند. پوشش موضوعاتی مانند الگوریتم های الهام گرفته از طبیعت، هوش ازدحام، طبقه بندی، خوشه بندی، انتخاب ویژگی، امنیت سایبری، الگوریتم های یادگیری از طریق ابر، ماشین های یادگیری افراطی، دسته بندی اشیا، بهینه سازی ازدحام ذرات، گرده افشانی گل ها و الگوریتم های کرم شب تاب، و شبکه های عصبی نیز ارائه می شود. مطالعات موردی و کاربردها، از جمله طبقهبندی توییتهای مرتبط با بحران، استخراج موجودیتهای نامگذاری شده در زبان تامیل، پیشبینی عملکرد مبتنی بر بیماریها، و خدمات مراقبتهای بهداشتی. این کتاب هم منبعی ارزشمند و هم یک راهنمای عملی برای دانشجویان، محققان و متخصصان علوم کامپیوتر، علوم داده و مدیریت، هوش مصنوعی و یادگیری ماشین است.
This book reviews the latest developments in nature-inspired computation, with a focus on the cross-disciplinary applications in data mining and machine learning. Data mining, machine learning and nature-inspired computation are current hot research topics due to their importance in both theory and practical applications. Adopting an application-focused approach, each chapter introduces a specific topic, with detailed descriptions of relevant algorithms, extensive literature reviews and implementation details. Covering topics such as nature-inspired algorithms, swarm intelligence, classification, clustering, feature selection, cybersecurity, learning algorithms over cloud, extreme learning machines, object categorization, particle swarm optimization, flower pollination and firefly algorithms, and neural networks, it also presents case studies and applications, including classifications of crisis-related tweets, extraction of named entities in the Tamil language, performance-based prediction of diseases, and healthcare services. This book is both a valuable a reference resource and a practical guide for students, researchers and professionals in computer science, data and management sciences, artificial intelligence and machine learning.
Front Matter ....Pages i-xi
Adaptive Improved Flower Pollination Algorithm for Global Optimization (Douglas Rodrigues, Gustavo Henrique de Rosa, Leandro Aparecido Passos, João Paulo Papa)....Pages 1-21
Algorithms for Optimization and Machine Learning over Cloud (Ratnik Gandhi, Mehul S Raval)....Pages 23-46
Implementation of Machine Learning and Data Mining to Improve Cybersecurity and Limit Vulnerabilities to Cyber Attacks (Mohamed Alloghani, Dhiya Al-Jumeily, Abir Hussain, Jamila Mustafina, Thar Baker, Ahmed J. Aljaaf)....Pages 47-76
Comparative Analysis of Different Classifiers on Crisis-Related Tweets: An Elaborate Study (Sukanya Manna, Haruto Nakai)....Pages 77-94
An Improved Extreme Learning Machine Tuning by Flower Pollination Algorithm (Adis Alihodzic, Eva Tuba, Milan Tuba)....Pages 95-112
Prospects of Machine and Deep Learning in Analysis of Vital Signs for the Improvement of Healthcare Services (Mohamed Alloghani, Thar Baker, Dhiya Al-Jumeily, Abir Hussain, Jamila Mustafina, Ahmed J. Aljaaf)....Pages 113-136
A Comprehensive Review and Performance Analysis of Firefly Algorithm for Artificial Neural Networks (Janmenjoy Nayak, Bighnaraj Naik, Danilo Pelusi, A. Vamsi Krishna)....Pages 137-159
3D Object Categorization in Cluttered Scene Using Deep Belief Network Architectures (Nabila Zrira, Mohamed Hannat, El Houssine Bouyakhf)....Pages 161-186
Performance-Based Prediction of Chronic Kidney Disease Using Machine Learning for High-Risk Cardiovascular Disease Patients (Mohamed Alloghani, Dhiya Al-Jumeily, Abir Hussain, Panagiotis Liatsis, Ahmed J. Aljaaf)....Pages 187-206
Extraction of Named Entities from Social Media Text in Tamil Language Using N-Gram Embedding for Disaster Management (G. Remmiya Devi, M. Anand Kumar, K. P. Soman)....Pages 207-223
Classification and Clustering Algorithms of Machine Learning with their Applications (Ravinder Ahuja, Aakarsha Chug, Shaurya Gupta, Pratyush Ahuja, Shruti Kohli)....Pages 225-248
Hybrid Binary Particle Swarm Optimization and Flower Pollination Algorithm Based on Rough Set Approach for Feature Selection Problem (Mohamed A. Tawhid, Abdelmonem M. Ibrahim)....Pages 249-273