Name: Wybór korektorów neuronowych przy użyciu algorytmu genetycznego. Podejście do poszukiwania struktury sieci neuronowej (en Polaco)
Price: 45.94 USD
Availability: InStock
Author: Tiago Mota;Jorgean Leal;Antônio Cezar Lima
ISBN: 9786202368469

portada Wybór korektorów neuronowych przy użyciu algorytmu genetycznego. Podejście do poszukiwania struktury sieci neuronowej (en Polaco)

Wybór korektorów neuronowych przy użyciu algorytmu genetycznego. Podejście do poszukiwania struktury sieci neuronowej (en Polaco)

Formato

Libro Físico

Editorial

Wydawnictwo Nasza Wiedza

Autor

Tiago Mota;Jorgean Leal;Antônio Cezar Lima

Año

2025

Idioma

Polaco

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.00 x 15.00 cm

ISBN13

9786202368469

Wybór korektorów neuronowych przy użyciu algorytmu genetycznego. Podejście do poszukiwania struktury sieci neuronowej (en Polaco)

Tiago Mota;Jorgean Leal;Antônio Cezar Lima (Autor) · Wydawnictwo Nasza Wiedza · 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 "Wybór korektorów neuronowych przy użyciu algorytmu genetycznego. Podejście do poszukiwania struktury sieci neuronowej (en Polaco)"

W ciągu ostatnich dwóch dekad algorytmy genetyczne i sztuczne sieci neuronowe zostały połączone w celu rozwiązania kilku problemów. Pierwsze z nich zostały wykorzystane do pomocy w znalezieniu parametrów i decyzji dotyczących topologii drugich, lub do radzenia sobie z ograniczeniami algorytmów uczenia się. Niektóre problemy wymagają zastosowania sieci neuronowych jako alternatywnego rozwiązania, ale w literaturze naukowej rzadko można znaleźć badania opracowujące metodologię wskazującą najlepszą architekturę neuronową odpowiednią dla konkretnego zastosowania. W niniejszej pracy zastosowaliśmy algorytm genetyczny do wyszukiwania wag neuronowych i wykorzystaliśmy te informacje do wskazania najlepszej struktury oraz pomiaru wydajności algorytmu uczenia. Jako przykład do przetestowania proponowanej metodologii wykorzystaliśmy problem wyrównania kanałów. Wyniki uzyskane z tego zastosowania są bardzo obiecujące.