Neuronale Netze: Optimierung durch Lernen und Evolution

در این کتاب، خواننده روش‌های کارآمدی را برای بهینه‌سازی شبکه‌های عصبی پیدا می‌کند. به طور خاص، درمان دقیق یادگیری تقویتی و بهینه‌سازی تکاملی فراتر از محتوای کتاب‌های درسی قبلی در موضوع شبکه‌های عصبی است. بهینه سازی مدل های عصبی به عوامل زیر تقسیم می شود: مدل های عصبی، مشکلات یادگیری، روش های بهینه سازی و اجرای سخت افزار. این به خواننده این فرصت را می‌دهد تا بلوک‌های سازنده را در برنامه‌اش با توجه به اهدافش ترکیب کند: مدل عصبی در مقابل مدل عصبی فازی، یادگیری نظارت شده در مقابل یادگیری تقویتی، نزول گرادیان در مقابل تکامل، متوالی در مقابل موازی.

In diesem Buch findet der Leser effiziente Methoden zur Optimierung Neuronaler Netze. Insbesondere durch die ausführliche Behandlung des Reinforcement Learning und der Evolutiven Optimierung geht es über den Inhalt der bisherigen Lehrbücher zum Thema Neuronale Netze hinaus. Die Optimierung neuronaler Modelle wird in folgende Faktoren aufgeteilt: Neuronale Modelle, Lernprobleme, Optimierungsverfahren und Hardwareimplementierung. Dadurch erhält der Leser die Möglichkeit, in seiner eigenen Anwendung die Bausteine seinen Zielen entsprechend zu kombinieren: Neuronales Modell vs. Neuro-Fuzzy-Modell, Supervised Learning vs. Reinforcement Learning, Gradientenabstieg vs. Evolution, sequentiell vs. parallel.