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: Dong Hwa Kim
سری:
ISBN (شابک) : 9814745359, 1315340917
ناشر: Pan Stanford Publishing Pte. Ltd
سال نشر: 2017
تعداد صفحات: 233
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب تنظیم نوآوری با بیوتکنولوژی: بیوتکنولوژی.، پزشکی / فارماکولوژی.، علم / بیوتکنولوژی.، علم / شیمی / صنعتی و فنی.، فناوری و مهندسی / شیمی و بیوشیمی.
در صورت تبدیل فایل کتاب Tuning Innovation with Biotechnology 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 تنظیم نوآوری با بیوتکنولوژی 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 به سیستمهای هوش در حال تکامل و استفاده از آنها در الگوریتم ایمنی (IM)، بهینهسازی ازدحام ذرات (PSO)، جستجوی باکتریایی (BF) و سیستم هوشمند ترکیبی برای بهبود گیاهان، روباتها و غیره میپردازد. تحقیق در مورد و پیشینه سیستم های اطلاعاتی در حال تحول و رویکرد مبتنی بر IM را برای تخمین پارامترهای مورد نیاز برای طراحی یک سیستم هوشمند نشان می دهد. این به تنظیم هوشمند بهینه با استفاده از الگوریتم ژنتیک ترکیبی-بهینه سازی ازدحام ذرات (GA-PSO) نزدیک می شود و ترکیبی GA-PSO را برای تنظیم هوشمند سیستم برداری نشان می دهد.
This book deals with evolving intelligence systems and their use in immune algorithm (IM), particle swarm optimization (PSO), bacterial foraging (BF), and hybrid intelligent system to improve plants, robots, etc. It discusses the motivation behind research on and background of evolving intelligence systems and illustrates IM-based approach for parameter estimation required for designing an intelligent system. It approaches optimal intelligent tuning using a hybrid genetic algorithm–particle swarm optimization (GA-PSO) and illustrates hybrid GA-PSO for intelligent tuning of vector system.