Self-Adaptive Systems for Machine Intelligence

ویرایش:  
نویسندگان: Haibo He(auth.)  
سری:  
ISBN (شابک) : 9780470343968, 9781118025604 
ناشر:  
سال نشر: 2011 
تعداد صفحات: 243 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 16 مگابایت 

قیمت کتاب (تومان) : 34,000

این کتاب درک و کاربرد سیستم‌های هوشمند خودسازگار را ارتقا می‌دهد. بنابراین به طور بالقوه برای هدف بلندمدت تکرار سطوح معینی از هوش مغز مانند در سیستم های مهندسی پیچیده و شبکه ای مفید خواهد بود. رویکردهای جدیدی را برای سیستم های تطبیقی ​​در محیط های نامشخص ارائه می دهد. این فرصتی برای ارزیابی نقاط قوت و ضعف دانش فعلی، ایجاد جهت‌های تحقیقاتی جدید و آموزش متخصصان آینده در این حوزه فراهم می‌کند.

سیستم‌های هوشمند خودسازگار کاربردهای گسترده‌ای از سیستم‌های امنیتی نظامی تا زندگی روزمره غیرنظامی دارند. در این کتاب، مسائل کاربردی مختلف از جمله تشخیص الگو، طبقه بندی، بازیابی تصویر و یادگیری توالی ارائه می شود تا توانایی سیستم های پیشنهادی در یادگیری، حافظه و پیش بینی را نشان دهد. بنابراین، این کتاب همچنین راه‌حل‌های بالقوه جدیدی را برای بسیاری از برنامه‌های کاربردی دنیای واقعی ارائه می‌کند.

محتوا:
مقدمه فصل 1 (صفحات 1-12):
فصل 2 یادگیری افزایشی (صفحات 13-43):
فصل 3 یادگیری نامتعادل (صفحات 44-107):
فصل 4 آموزش گروهی (صفحات 108-139):
فصل 5 برنامه نویسی پویا تطبیقی ​​برای هوش ماشین (صفحات 140-164):
فصل 6 یادگیری انجمنی (صفحات 165-189):
فصل 7 آموزش دنباله ای (صفحات 190-216):
فصل 8 طراحی سخت افزار برای هوش ماشین (صفحات 217-221):

This book will advance the understanding and application of self-adaptive intelligent systems; therefore it will potentially benefit the long-term goal of replicating certain levels of brain-like intelligence in complex and networked engineering systems. It will provide new approaches for adaptive systems within uncertain environments. This will provide an opportunity to evaluate the strengths and weaknesses of the current state-of-the-art of knowledge, give rise to new research directions, and educate future professionals in this domain.

Self-adaptive intelligent systems have wide applications from military security systems to civilian daily life. In this book, different application problems, including pattern recognition, classification, image recovery, and sequence learning, will be presented to show the capability of the proposed systems in learning, memory, and prediction. Therefore, this book will also provide potential new solutions to many real-world applications.

Content:
Chapter 1 Introduction (pages 1–12):
Chapter 2 Incremental Learning (pages 13–43):
Chapter 3 Imbalanced Learning (pages 44–107):
Chapter 4 Ensemble Learning (pages 108–139):
Chapter 5 Adaptive Dynamic Programming for Machine Intelligence (pages 140–164):
Chapter 6 Associative Learning (pages 165–189):
Chapter 7 Sequence Learning (pages 190–216):
Chapter 8 Hardware Design for Machine Intelligence (pages 217–221):