Name: Scelta degli equalizzatori neurali mediante algoritmo genetico. Un approccio per la ricerca della struttura della rete neurale (en Italiano)
Price: 45.94 USD
Availability: InStock
Author: Tiago Mota;Jorgean Leal;Antônio Cezar Lima
ISBN: 9786202368452

portada Scelta degli equalizzatori neurali mediante algoritmo genetico. Un approccio per la ricerca della struttura della rete neurale (en Italiano)

Scelta degli equalizzatori neurali mediante algoritmo genetico. Un approccio per la ricerca della struttura della rete neurale (en Italiano)

Formato

Libro Físico

Editorial

Edizioni Sapienza

Autor

Tiago Mota;Jorgean Leal;Antônio Cezar Lima

Año

2025

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.00 x 15.00 cm

ISBN13

9786202368452

Scelta degli equalizzatori neurali mediante algoritmo genetico. Un approccio per la ricerca della struttura della rete neurale (en Italiano)

Tiago Mota;Jorgean Leal;Antônio Cezar Lima (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo Importado

Envío: 26 a 33 días háb.

$ 83.53$ 45.94

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 45.94

Llega entre el 11 Sep y el 24 Sep a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Scelta degli equalizzatori neurali mediante algoritmo genetico. Un approccio per la ricerca della struttura della rete neurale (en Italiano)"

Negli ultimi due decenni, l'algoritmo genetico e le reti neurali artificiali sono stati combinati per risolvere diversi problemi. Il primo è stato utilizzato per aiutare a trovare i parametri e a decidere la topologia del secondo, o per far fronte ai limiti degli algoritmi di apprendimento. Alcuni problemi richiedono l'applicazione delle reti neurali come soluzione alternativa per risolverli, ma sono rari gli studi che sviluppano una metodologia per indicare la migliore architettura neurale adatta a una specifica applicazione. In questo lavoro applichiamo l'algoritmo genetico per cercare i pesi neurali e utilizziamo queste informazioni per indicare la struttura migliore e misurare l'efficienza dell'algoritmo di apprendimento. Abbiamo utilizzato un problema di equalizzazione dei canali come esempio per testare la metodologia proposta. I risultati ottenuti da questa applicazione sono molto promettenti.