موارد یافت شده
سبد خرید
  1. انتشارات جعفری نوین
  2. لاتین
  3. مهندسی پزشکی - Medical Engineering
  4. Evolutionary Machine Learning Techniques: Algorithms and Applications (Algorithms for Intelligent Systems) 1st ed تکنیک‌های یادگیری ماشین تکاملی
Evolutionary Machine Learning Techniques: Algorithms and Applications (Algorithms for Intelligent Systems) 1st ed Springer
Evolutionary Machine Learning Techniques: Algorithms and Applications (Algorithms for Intelligent Systems) 1st ed Springer Springer  

Evolutionary Machine Learning Techniques: Algorithms and Applications (Algorithms for Intelligent Systems) 1st ed
تکنیک‌های یادگیری ماشین تکاملی

کد کتاب 186635

Evolutionary Machine Learning Techniques: Algorithms and Applications (Algorithms for Intelligent Systems) 1st ed

کتاب تکنیک‌های یادگیری ماشین تکاملی

افست = اورجینال
چاپ تمام رنگی
کاغذ 80 گرمی اندونزی
جلد سخت / ته دوخت / سیمی

*بهترین کیفیت افست را از ما بخواهید*

این کتاب تجزیه و تحلیل عمیقی از تکنیک های یادگیری ماشینی تکاملی فعلی ارائه می دهد. بحث در مورد روش‌های بسیار مورد توجه برای طبقه‌بندی، خوشه‌بندی، رگرسیون و پیش‌بینی، شامل تکنیک‌هایی مانند ماشین‌های بردار پشتیبان، ماشین‌های یادگیری افراطی، انتخاب ویژگی‌های تکاملی، شبکه‌های عصبی مصنوعی از جمله شبکه‌های عصبی پیش‌خور، پرسپترون چند لایه، عصبی احتمالی است.

ناشر : Springer ( نمایش همه کتاب های انتشارات Springer )
تعداد صفحه
286
چاپ
رنگی
زبان
انگلیسی
سال نشر
2020
شابک
9789813299924
قطع
رحلی
نوبت چاپ
یکم
نویسنده
Edited by Seyedali Mirjalili - Edited by Hossam Faris - Edited by Ibrahim Aljarah

خرید Evolutionary Machine Learning Techniques: Algorithms and Applications (Algorithms for Intelligent Systems) 1st ed

دارای 18% تخفیف  
مقدمه کتاب اطللاعات بیشتر پرسش و پاسخ

Evolutionary Machine Learning Techniques: Algorithms and Applications (Algorithms for Intelligent Systems) 1st ed

کتاب تکنیک‌های یادگیری ماشین تکاملی

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.

Product details

  • Paperback | 286 pages
  • 155 x 235 x 15.75mm | 456g
  • Singapore, Singapore
  • English
  • 1st ed. 2020
  • 20 Tables, color; 55 Illustrations, color; 17 Illustrations, black and white; X, 286 p. 72 illus., 55 illus. in color.
  • 9813299924
  • 9789813299924