توضیحات
This book provides an in-depth analysis of the current evolutionary machine learning techniques. Discussing the most highly regarded methods for classification, clustering, regression, and prediction, it includes techniques such as support vector machines, extreme learning machines, evolutionary feature selection, artificial neural networks including feed-forward neural networks, multi-layer perceptron, probabilistic neural networks, self-optimizing neural networks, radial basis function networks, recurrent neural networks, spiking neural networks, neuro-fuzzy networks, modular neural networks, physical neural networks, and deep neural networks.
The book provides essential definitions, literature reviews, and the training algorithms for machine learning using classical and modern nature-inspired techniques. It also investigates the pros and cons of classical training algorithms. It features a range of proven and recent nature-inspired algorithms used to train different types of artificial neural networks, including genetic algorithm, ant colony optimization, particle swarm optimization, grey wolf optimizer, whale optimization algorithm, ant lion optimizer, moth flame algorithm, dragonfly algorithm, salp swarm algorithm, multi-verse optimizer, and sine cosine algorithm. The book also covers applications of the improved artificial neural networks to solve classification, clustering, prediction and regression problems in diverse fields.
————————————————————–
ترجمه ماشینی :
این کتاب تجزیه و تحلیل عمیق از تکنیک های یادگیری ماشین تکاملی فعلی را ارائه می دهد. بحث در مورد روشهای بسیار مورد توجه برای طبقه بندی ، خوشه بندی ، رگرسیون و پیش بینی ، این شامل تکنیک هایی مانند دستگاه های بردار پشتیبانی ، دستگاه های یادگیری شدید ، انتخاب ویژگی های تکاملی ، شبکه های عصبی مصنوعی از جمله شبکه های عصبی تغذیه ای ، Perceptron چند لایه ، عصبی احتمالی است. شبکه ها ، شبکه های عصبی خود بهینه سازی ، شبکه های عملکردی مبنای شعاعی ، شبکه های عصبی مکرر ، شبکه های عصبی سنبله ، شبکه های عصبی فازی ، شبکه های عصبی مدولار ، شبکه های عصبی فیزیکی و شبکه های عصبی عمیق.
این کتاب تعاریف اساسی ، بررسی ادبیات و الگوریتم های آموزش برای یادگیری ماشین را با استفاده از تکنیک های کلاسیک و مدرن الهام گرفته از طبیعت ارائه می دهد. همچنین در مورد جوانب و منفی الگوریتم های آموزش کلاسیک بررسی می شود. این برنامه شامل طیف وسیعی از الگوریتم های اثبات شده و اخیر با الهام از طبیعت است که برای آموزش انواع مختلف شبکه های عصبی مصنوعی ، از جمله الگوریتم ژنتیکی ، بهینه سازی کلونی مورچه ، بهینه سازی ذرات ذرات ، بهینه سازی گرگ خاکستری ، الگوریتم بهینه سازی نهنگ ، بهینه سازی مورچه ، الگوریتم شعله Moth ، الگوریتم Moth ، استفاده می شود. الگوریتم Dragonfly ، الگوریتم SALP SWARM ، بهینه ساز چند عیار و الگوریتم سین. این کتاب همچنین برنامه های شبکه های عصبی مصنوعی بهبود یافته را برای حل طبقه بندی ، خوشه بندی ، پیش بینی و رگرسیون در زمینه های مختلف در بر می گیرد.
tag : دانلود کتاب تکنیک های یادگیری ماشین تکاملی: الگوریتم ها و برنامه های کاربردی , Download تکنیک های یادگیری ماشین تکاملی: الگوریتم ها و برنامه های کاربردی , دانلود تکنیک های یادگیری ماشین تکاملی: الگوریتم ها و برنامه های کاربردی , Download Evolutionary Machine Learning Techniques: Algorithms and Applications Book , تکنیک های یادگیری ماشین تکاملی: الگوریتم ها و برنامه های کاربردی دانلود , buy تکنیک های یادگیری ماشین تکاملی: الگوریتم ها و برنامه های کاربردی , خرید کتاب تکنیک های یادگیری ماشین تکاملی: الگوریتم ها و برنامه های کاربردی , دانلود کتاب Evolutionary Machine Learning Techniques: Algorithms and Applications , کتاب Evolutionary Machine Learning Techniques: Algorithms and Applications , دانلود Evolutionary Machine Learning Techniques: Algorithms and Applications , خرید Evolutionary Machine Learning Techniques: Algorithms and Applications , خرید کتاب Evolutionary Machine Learning Techniques: Algorithms and Applications ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.