دانلود کتاب Metaheuristic Procedures for Training Neutral Networks (به فارسی: رویه های فراابتکاری برای آموزش شبکه های خنثی) نوشته شده توسط «Enrique Alba – Rafael Martí»
اطلاعات کتاب رویه های فراابتکاری برای آموزش شبکه های خنثی
موضوع اصلی: شبکه سازی
نوع: کتاب الکترونیکی
ناشر: Springer
نویسنده: Enrique Alba – Rafael Martí
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2006
تعداد صفحه: 257
حجم کتاب: 12 مگابایت
کد کتاب: 9780387334158 , 0387334157
نوبت چاپ: 1
توضیحات کتاب رویه های فراابتکاری برای آموزش شبکه های خنثی
شبکه‌های عصبی مصنوعی (ANN) یک چارچوب کلی برای نمایش نگاشت‌های غیرخطی از چندین متغیر ورودی به چندین متغیر خروجی ارائه می‌دهند و می‌توانند به عنوان توسعه بسیاری از تکنیک‌های نگاشت مرسوم در نظر گرفته شوند. علاوه بر ملاحظات بسیاری در مورد پایه‌های بیولوژیکی و طیف وسیعی از کاربردها، ساخت شبکه‌های عصبی مصنوعی مناسب می‌تواند به عنوان یک مشکل واقعاً سخت دیده شود. یک کار متمایز در ساخت شبکه های عصبی مصنوعی تنظیم مجموعه ای از پارامترها به نام وزن است. این موضوع محور اصلی کتاب حاضر خواهد بود. شبکه‌های عصبی مصنوعی آموزش‌دیده می‌توانند بعداً در مسائل طبقه‌بندی (یا شناسایی) استفاده شوند، جایی که خروجی‌های ANN نشان‌دهنده دسته‌ها هستند، یا در مسائل پیش‌بینی (تقریبی)، که در آن خروجی‌ها متغیرهای پیوسته را نشان می‌دهند.
روش‌های فراابتکاری برای آموزش شبکه‌های عصبی، اجرای موفقیت‌آمیز روش‌های فراابتکاری را برای آموزش شبکه‌های عصبی فراهم می‌کند. علاوه بر این، اصول اولیه و ایده های اساسی ارائه شده در کتاب به خوانندگان این امکان را می دهد که روش های آموزشی موفقی را به تنهایی ایجاد کنند. جدا از فصل 1 که در آن روش های کلاسیک آموزشی برای کامل بودن کتاب بررسی شده است، فصل ها را در سه دسته اصلی طبقه بندی کرده ایم. اولین مورد به روش‌های مبتنی بر جستجوی محلی اختصاص دارد، که در آن ما بازپخت شبیه‌سازی شده، جستجوی تابو، و جستجوی همسایگی متغیر را شامل می‌شود. بخش دوم کتاب مؤثرترین روش‌های مبتنی بر جمعیت، مانند الگوریتم‌های توزیع تخمین، جستجوی پراکندگی و الگوریتم‌های ژنتیک را ارائه می‌کند. در نهایت، بخش سوم شامل سایر تکنیک های پیشرفته مانند بهینه سازی کلونی مورچه ها، روش های تکاملی مشترک، GRASP و الگوریتم های Memetic می باشد. نشان داده شده است که همه این روش ها راه حل های با کیفیت بالا را در طیف گسترده ای از مسائل بهینه سازی سخت ارائه می دهند. با این حال، هدف کتاب طوری طراحی شده است که پوشش وسیعی از مفاهیم، روش‌ها و ابزارهای این حوزه مهم شبکه‌های عصبی مصنوعی در قلمرو بهینه‌سازی مداوم ارائه دهد.
METAHEURISTIC PROCEDURES FOR TRAINING NEURAL NETWORKS provides successful implementations of metaheuristic methods for neural network training. Moreover, the basic principles and fundamental ideas given in the book will allow the readers to create successful training methods on their own. Apart from Chapter 1, in which classical training methods are reviewed for the sake of the book’s completeness, we have classified the chapters in three main categories. The first one is devoted to local search based methods, in which we include Simulated Annealing, Tabu Search, and Variable Neighborhood Search. The second part of the book presents the most effective population based methods, such as Estimation Distribution algorithms, Scatter Search, and Genetic Algorithms. Finally, the third part includes other advanced techniques, such as Ant Colony Optimization, Co-evolutionary methods, GRASP, and Memetic algorithms. All these methods have been shown to work out high quality solutions in a wide range of hard optimization problems. However, the book’s objective is engineered to provide a broad coverage of the concepts, methods, and tools of this important area of ANNs within the realm of continuous optimization.
دانلود کتاب «رویه های فراابتکاری برای آموزش شبکه های خنثی»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.