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: 1 نویسندگان: H. H. Yang, S. Amari (auth.), Professor Lakhmi C. Jain, Professor Janusz Kacprzyk (eds.) سری: Studies in Fuzziness and Soft Computing 84 ISBN (شابک) : 9783790824995, 9783790818031 ناشر: Physica-Verlag Heidelberg سال نشر: 2002 تعداد صفحات: 476 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 64 مگابایت
کلمات کلیدی مربوط به کتاب پارادایم های جدید یادگیری در محاسبات نرم: هوش مصنوعی (شامل رباتیک)، هوش محاسباتی
در صورت تبدیل فایل کتاب New Learning Paradigms in Soft Computing 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 پارادایم های جدید یادگیری در محاسبات نرم 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.
یادگیری یک موضوع کلیدی در تجزیه و تحلیل و طراحی انواع سیستم های هوشمند است. در زمان اخیر بسیاری از پارادایم های جدید یادگیری خودکار (ماشین) در ادبیات ارائه شده است. محاسبات نرم، که ثابت کرده است ابزاری مؤثر و کارآمد در بسیاری از زمینههای علم و فناوری است، به نظر میرسد که کیفیتهای جدیدی را در حوزه یادگیری ماشین نیز ارائه میکند. هدف از این جلد ارائه برخی الگوهای یادگیری جدید است که راهاندازی شدهاند، یا حداقل به شدت تحت تأثیر ابزارها و تکنیکهای محاسباتی نرم قرار گرفتهاند، که عمدتاً مربوط به شبکههای عصبی، منطق فازی، مجموعههای ناهموار و محاسبات تکاملی است.
Learning is a key issue in the analysis and design of all kinds of intelligent systems. In recent time many new paradigms of automated (machine) learning have been proposed in the literature. Soft computing, that has proved to be an effective and efficient tool in so many areas of science and technology, seems to offer new qualities in the realm of machine learning too. The purpose of this volume is to present some new learning paradigms that have been triggered, or at least strongly influenced by soft computing tools and techniques, mainly related to neural networks, fuzzy logic, rough sets, and evolutionary computations.
Front Matter....Pages I-XII
Statistical Learning by Natural Gradient Descent....Pages 1-29
Granular Networks and Granular Learning....Pages 30-54
Learning and Decision-Making in the Framework of Fuzzy Lattices....Pages 55-96
Lazy Learning: A Logical Method for Supervised Learning....Pages 97-136
Active Learning in Neural Networks....Pages 137-169
Knowledge Extraction from Reinforcement Learning....Pages 170-180
Reinforcement Learning for Fuzzy Agents: Application to a Pighouse Environment Control....Pages 181-230
Performance Comparisons of Neural Networks and Machine Learning Techniques: A Critical Assessment of the Methodology....Pages 231-250
Digital Systems Design Through Learning....Pages 251-275
Hybrid Inductive Machine Learning: An Overview of CLIP Algorithms....Pages 276-322
An Integer Programming Approach to Inductive Learning Using Genetic and Greedy Algorithms....Pages 323-367
Using Unlabeled Data for Learning Classification Problems....Pages 368-403
Problems of Rule Induction from Preterm Birth Data....Pages 404-418
Reduction of Discriminant Rules Based on Frequent Item Set Calculation....Pages 419-438
Deriving a Concise Description of Non-Self Patterns in an Artificial Immune System....Pages 439-464