کتاب الکترونیکی

یادگیری تطبیقی ​​شبکه های چند جمله ای: برنامه ریزی ژنتیکی، پس انتشار و روش های بیزی

Adaptive Learning of Polynomial Networks: Genetic Programming, Backpropagation and Bayesian Methods

دانلود کتاب Adaptive Learning of Polynomial Networks: Genetic Programming, Backpropagation and Bayesian Methods (به فارسی: یادگیری تطبیقی ​​شبکه های چند جمله ای: برنامه ریزی ژنتیکی، پس انتشار و روش های بیزی) نوشته شده توسط «Nikolaev N. – Iba H.»

اطلاعات کتاب یادگیری تطبیقی ​​شبکه های چند جمله ای: برنامه ریزی ژنتیکی، پس انتشار و روش های بیزی

موضوع اصلی: تحصیلات

نوع: کتاب الکترونیکی

نویسنده: Nikolaev N. – Iba H.

زبان: English

فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2006

تعداد صفحه: 328

حجم کتاب: 16 مگابایت

کد کتاب: 0306467623 , 0387250670 , 0387312404 , 0792381351

توضیحات کتاب یادگیری تطبیقی ​​شبکه های چند جمله ای: برنامه ریزی ژنتیکی، پس انتشار و روش های بیزی

یادگیری تطبیقی ​​شبکه‌های چند جمله‌ای دانش نظری و عملی را برای توسعه الگوریتم‌هایی ارائه می‌کند که مدل‌های چند متغیره خطی و غیرخطی را استنباط می‌کنند و روشی برای یادگیری القایی مدل‌های شبکه عصبی چند جمله‌ای (PNN) از داده‌ها ارائه می‌دهند. تحقیقات تجربی که در اینجا شرح داده شده است نشان می‌دهد که مدل‌های PNN که توسط برنامه‌نویسی ژنتیکی تکامل یافته و با انتشار پس‌پشتی بهبود یافته‌اند، هنگام حل وظایف دنیای واقعی موفق هستند. متن بر فرآیند شناسایی مدل تأکید می‌کند و * تغییر تمرکز از مدل‌های خطی استاندارد به مدل‌های بسیار غیرخطی را ارائه می‌کند. می توان با رویکردهای یادگیری معاصر، * الگوریتم های جستجوی احتمالی جایگزین که معماری مدل و تکنیک های آموزش شبکه عصبی را برای یافتن وزن های چند جمله ای دقیق کشف می کند، * وسیله ای برای کشف مدل های چند جمله ای برای پیش بینی سری های زمانی، و * کاوش در حوزه های هوش مصنوعی، یادگیری ماشین، محاسبات تکاملی و شبکه های عصبی، پوشش تعاریف وظایف استقرایی پایه، ارائه رویکردهای اساسی برای پرداختن به این وظایف، معرفی مبانی برنامه ریزی ژنتیکی، بررسی مشتقات خطا برای آموزش پس انتشار و توضیح مبانی یادگیری بیزی این جلد یک مرجع ضروری برای محققان و دست اندرکاران علاقه مند به حوزه های محاسبات تکاملی، شبکه های عصبی مصنوعی و استنتاج بیزی است و همچنین برای دانشجویان کارشناسی ارشد و پیشرفته برنامه نویسی ژنتیک جذاب خواهد بود. خوانندگان مهارت های خود را در ایجاد نمایش های مدل کارآمد و اپراتورهای یادگیری که به طور کارآمد از فضای جستجو نمونه برداری می کنند، هدایت فرآیند جستجو از طریق طراحی توابع تناسب هدف، و بررسی عملکرد جستجوی سیستم تکاملی را تقویت می کنند.

Adaptive Learning of Polynomial Networks delivers theoretical and practical knowledge for the development of algorithms that infer linear and non-linear multivariate models, providing a methodology for inductive learning of polynomial neural network models (PNN) from data. The empirical investigations detailed here demonstrate that PNN models evolved by genetic programming and improved by backpropagation are successful when solving real-world tasks.The text emphasizes the model identification process and presents * a shift in focus from the standard linear models toward highly nonlinear models that can be inferred by contemporary learning approaches, * alternative probabilistic search algorithms that discover the model architecture and neural network training techniques to find accurate polynomial weights, * a means of discovering polynomial models for time-series prediction, and * an exploration of the areas of artificial intelligence, machine learning, evolutionary computation and neural networks, covering definitions of the basic inductive tasks, presenting basic approaches for addressing these tasks, introducing the fundamentals of genetic programming, reviewing the error derivatives for backpropagation training, and explaining the basics of Bayesian learning.This volume is an essential reference for researchers and practitioners interested in the fields of evolutionary computation, artificial neural networks and Bayesian inference, and will also appeal to postgraduate and advanced undergraduate students of genetic programming. Readers will strengthen their skills in creating both efficient model representations and learning operators that efficiently sample the search space, navigating the search process through the design of objective fitness functions, and examining the search performance of the evolutionary system.

دانلود کتاب «یادگیری تطبیقی ​​شبکه های چند جمله ای: برنامه ریزی ژنتیکی، پس انتشار و روش های بیزی»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
برچسب ها
مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان