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 Nature-Inspired Computing for Smart Application Design

دانلود کتاب محاسبات مبتنی بر طبیعت برای طراحی برنامه های هوشمند

Nature-Inspired Computing for Smart Application Design

مشخصات کتاب

Nature-Inspired Computing for Smart Application Design

ویرایش: 1st ed. 2021 
نویسندگان: , ,   
سری: Springer Tracts in Nature-Inspired Computing 
ISBN (شابک) : 9813361948, 9789813361942 
ناشر: Springer 
سال نشر: 2021 
تعداد صفحات: 295 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 12 مگابایت 

قیمت کتاب (تومان) : 31,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Nature-Inspired Computing for Smart Application Design 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 مبتنی بر طبیعت برای طراحی برنامه های هوشمند 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 محاسبات مبتنی بر طبیعت برای طراحی برنامه های هوشمند



این کتاب در درجه اول بر روی رویکرد الهام گرفته از طبیعت برای طراحی برنامه های کاربردی هوشمند تمرکز دارد. این شامل چندین پارادایم پیاده سازی مانند طراحی و برنامه ریزی مسیر شبکه بی سیم، مکانیزم امنیتی و پیاده سازی برای گره های پویا و همچنین استاتیک، روش یادگیری رایانش ابری، کاوش و مدیریت داده ها، تجزیه و تحلیل و بهینه سازی داده ها، تصمیم گیری در محیط های متضاد و غیره است. این کتاب اساساً پیشرفت‌های تحقیقاتی اخیر در زمینه مهندسی و علم را برجسته می‌کند.


توضیحاتی درمورد کتاب به خارجی

This book focuses primarily on the nature-inspired approach for designing smart applications. It includes several implementation paradigms such as design and path planning of wireless network, security mechanism and implementation for dynamic as well as static nodes, learning method of cloud computing, data exploration and management, data analysis and optimization, decision taking in conflicting environment, etc. The book fundamentally highlights the recent research advancements in the field of engineering and science.



فهرست مطالب

Preface
List of Reviewers
Contents
Editors and Contributors
Smart Design and Its Applications: Challenges and Techniques
	1 Introduction
	2 Some Applications for Smart Design
		2.1 City and Environment
		2.2 Intelligent Networking
		2.3 Security and Management
	3 Some Techniques for Smart Design
	4 Conclusions
	References
City and Environment
Automatic Generation Control Scheme for Power Quality Improvement of Multi-source Power Generating System with Secondary Controller Optimization Using Parameter-Setting-Free Harmony Search
	1 Introduction
	2 Single-Area Multi-source Power System Modeling
	3 Controller Design
	4 Proposed Parameter-Setting-Free Harmony Search Algorithm-Tuned PID Controller
	5 Simulation Results and Discussions
	6 Conclusion
	References
Environmental Sound Classification Using Neural Network and Deep Learning
	1 Introduction
		1.1 Scope
	2 Related Work
	3 Problem Formulation
		3.1 Segmenting an Audio Signal Into Windows
	4 Feature Extraction
		4.1 Features Used for Training the Neural Network
	5 Designing the Cost Function for Bayesian Regularised Neural Network
		5.1 Over-Fitting and Regularization of Neural Networks
		5.2 Bayesian Regularization
	6 Bayesian Regularised Neural Networks for Urban Sound Noise Classification: A Deep Learning Approach
		6.1 Deep Neural Network Design
		6.2 Novel Design: Two Input-Output Neural Network Model
		6.3 Classification of Multiple Sound Source
		6.4 Novel Approach: Multi-label Classification Using Bayesian Regularized Fitnet Model and Deep Lerning Approach
	7 Conclusion and Future Work
	8 Problems
		8.1 Feature Extraction
		8.2 Designing of Optimal Neural Network
		8.3 Single Label Detection
		8.4 Multi Label Detection
	References
Feature Selection Method Using CFO and Rough Sets for Medical Dataset
	1 Introduction
	2 Preliminaries
		2.1 Central Force Optimization
		2.2 Rough Set Theory
	3 Proposed Algorithm
		3.1 Preprocessing of Gene Expression Data
		3.2 Fitness Function
	4 Experimental Result
		4.1 Parameter Setting and Datasets
		4.2 Results and Discussion
	5 Conclusion
	References
Fuzzy-Based Optimal Solution for Minimization of Loss of Company Based on Uncertain Environment
	1 Introduction
	2 Related Works
	3 Proposed Method
	4 Simulation and Analysis
	5 Conclusions
	References
Intelligent Networking
Impacts of Computational Techniques for Wireless Sensor Networks
	1 Introduction
		1.1 WSN: Basic Introduction
		1.2 WSN: Basic Application Area
	2 Need of Optimization
	3 Description of Applied Algorithm
		3.1 Dragonfly Algorithm
		3.2 Quasi-opposition Atom Search Optimization (QOASO) Algorithm
		3.3 Pathfinder Algorithm (PA)
		3.4 Salp Swarm Algorithm
	4 Optimization Techniques Applied in WSN
		4.1 Modeling of Consumption of Energy
		4.2 Path Loss Model
		4.3 System Lifetime Model
		4.4 Coverage Model
		4.5 Multi-objective Optimization Problem
	5 Performance Evaluation
	6 Conclusion
	References
Efficient Node Deployment Based on Immune-Inspired Computing Algorithm for Wireless Sensor Networks
	1 Introduction
	2 Multi-objective Immune Algorithm
	3 Optimal Deployment
		3.1 Adjacent Distance
		3.2 Number of Sensor Nodes
	4 First Algorithm: Immune-Based Node Deployment Algorithm
		4.1 Problem Formulation
		4.2 Immune-Based Node Deployment Algorithm
	5 Second Algorithm: Centralized Voronoi-Based Immune Deployment Algorithm
		5.1 Problem Formulation
		5.2 Centralized Voronoi-Based Immune Deployment Algorithm
	6 Experimental Results
		6.1 Binary Model-Based Simulations
		6.2 Probabilistic Model-Based Experiment
	7 Conclusion
	References
An Efficient Routing in Wireless Sensor Network: An Application of Grey Wolf Optimization
	1 Introduction
		1.1 Motivation for the Study
		1.2 Contribution of This Study
	2 Literature Review
		2.1 Application of Evolutionary Algorithms & Swarm Intelligence
		2.2 Grey Wolf Optimizer—Swarm Intelligence Technique with Hierarchy
	3 Research Problem
		3.1 Problem Statement
		3.2 Model Formulation
	4 Results
		4.1 Experimental Design
		4.2 Computational Results:
	5 Solution Approach
		5.1 Grey Wolf Optimization
		5.2 Aspects of Grey Wolf Optimization
		5.3 Modified Grey Wolf Optimization
		5.4 Results Obtained
	6 Conclusion
	References
Coverage Optimization using Nature-Inspired Algorithm for Directional Sensor Networks
	1 Introduction
	2 Directional Sensor Network
		2.1 Directional Detecting Model
		2.2 Coverage Rate for Sensing Adjustment
	3 Coverage Issues in DSN
		3.1 Area Coverage
		3.2 Target Coverage
		3.3 Barrier Coverage
	4 Coverage Optimization
		4.1 Particle Swarm Optimization (PSO) Algorithm for Area Coverage Issue
		4.2 Memetic Algorithm for Target Coverage Issue
	5 Conclusion
	References
Security and Management
Flower Pollination Optimization-Based Security Enhancement Technique for Wireless Sensor Network
	1 Introduction
	2 Related Work
	3 Cryptography in WSNs
	4 Selection of Algorithms
	5 Key Management Schemes
	6 Node Deployment in WSN
	7 Flower Pollination Algorithm
	8 Result Analysis
	9 Conclusion
	References
Fuzzy Quadratic Programming Based Conflicting Strategy Management Technique for Company
	1 Introduction
	2 Literature Review
	3 Proposed Method
	4 Simulation and Analysis
	5 Conclusions
	References
A Novel Multilevel Classifier Hybrid Model for Intrusion Detection Using Machine Learning
	1 Introduction
	2 Related Work
	3 Theoretic Aspects of Techniques
		3.1 Particle Swarm Optimization Techniques
		3.2 Instance-Based Learning on K (IBK)
		3.3 Random Tree
		3.4 KDD Cup’99 Dataset
	4 Proposed Single-Level Hybrid Intrusion Detection Model
		4.1 A Multilevel Hybrid Classifier IDS Model
	5 Experimental Results and Discussion
	6 Conclusions
	References
Maintaining Manpower in Technical College Using Fusion of Quadratic Programming and Fuzzy Logic
	1 Introduction
	2 Literature Review
	3 Preliminaries
		3.1 Quadratic Programming
		3.2 Fuzzy Logic
	4 Proposed Method
		4.1 Preliminary Assumption
		4.2 Mathematical Modelling
	5 Simulation and Analysis
	6 Conclusions
	References




نظرات کاربران