دانلود کتاب Growing Adaptive Machines: Combining Development and Learning in Artificial Neural Networks
کتاب رشد ماشین‌های تطبیقی: ترکیب توسعه و یادگیری در شبکه‌های عصبی مصنوعی نسخه زبان اصلی
دانلود کتاب رشد ماشین‌های تطبیقی: ترکیب توسعه و یادگیری در شبکه‌های عصبی مصنوعی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
توضیحاتی در مورد کتاب Growing Adaptive Machines: Combining Development and Learning in Artificial Neural Networks
نام کتاب : Growing Adaptive Machines: Combining Development and Learning in Artificial Neural Networks
ویرایش : 1
عنوان ترجمه شده به فارسی : رشد ماشین‌های تطبیقی: ترکیب توسعه و یادگیری در شبکه‌های عصبی مصنوعی
سری : Studies in Computational Intelligence 557
نویسندگان : Taras Kowaliw, Nicolas Bredeche, René Doursat (eds.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2014
تعداد صفحات : 266
ISBN (شابک) : 9783642553363 , 9783642553370
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 8 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
پیگیری هوش مصنوعی برای دهه‌ها حوزه تحقیقاتی بسیار فعال بوده است که بینش‌های علمی هیجان‌انگیزی و فناوری‌های جدید مولد را به همراه داشته است. با این حال، از نظر تولید هوش، این پیگیری تنها موفقیت محدودی را به همراه داشته است. این کتاب به بررسی این فرضیه می پردازد که رشد تطبیقی وسیله ای برای حرکت رو به جلو است. با تقلید از فرآیند بیولوژیکی توسعه، می‌توانیم ویژگی‌های مطلوب سیستم‌های عصبی طبیعی را در طرح‌های مهندسی شده بگنجانیم و بنابراین به سمت ایجاد سیستم‌های مغز مانند نزدیک‌تر شویم. تمرکز ویژه بر نحوه طراحی شبکه‌های عصبی مصنوعی برای کارهای مهندسی است.
این کتاب شامل مشارکت‌های 18 محقق است، از بررسی دقیق دامنه‌های اخیر توسط دانشمندان ارشد تا مشارکت‌های جدید هیجان‌انگیز که نشان‌دهنده وضعیت هنر در تحقیقات یادگیری ماشین این کتاب با مروری کلی بر عصب زایی مصنوعی و یادگیری ماشینی الهام گرفته از زیستی آغاز می شود که هم به عنوان مقدمه ای برای حوزه ها و هم به عنوان مرجعی برای کارشناسان مناسب است. چندین مشارکت، دیدگاه‌ها و فرضیه‌های آینده را در مورد قطارهای بسیار موفق تحقیقات اخیر، از جمله یادگیری عمیق، مدل Hyper NEAT طراحی شبکه عصبی توسعه‌یافته، و شبیه‌سازی قشر بینایی ارائه می‌دهند. سایر مشارکت‌ها شامل پیشرفت‌های اخیر در طراحی شبکه‌های عصبی مصنوعی الهام‌گرفته از زیستی، از جمله ایجاد ماشین‌هایی برای طبقه‌بندی، کنترل رفتاری عوامل مجازی، طراحی ربات‌های چند جزئی مجازی و مورفولوژی‌ها و ایجاد هوش انعطاف‌پذیر است. در سرتاسر، مشارکت‌کنندگان تخصص گسترده خود را در مورد ابزارها و مزایای ایجاد ماشین‌های شبیه مغز به اشتراک می‌گذارند.
این کتاب برای دانشجویان پیشرفته و متخصصان هوش مصنوعی و یادگیری ماشینی مناسب است.
فهرست مطالب :
Front Matter....Pages i-vii
Artificial Neurogenesis: An Introduction and Selective Review....Pages 1-60
A Brief Introduction to Probabilistic Machine Learning and Its Relation to Neuroscience....Pages 61-108
Evolving Culture Versus Local Minima....Pages 109-138
Learning Sparse Features with an Auto-Associator....Pages 139-158
HyperNEAT: The First Five Years....Pages 159-185
Using the Genetic Regulatory Evolving Artificial Networks (GReaNs) Platform for Signal Processing, Animat Control, and Artificial Multicellular Development....Pages 187-200
Constructing Complex Systems Via Activity-Driven Unsupervised Hebbian Self-Organization....Pages 201-225
Neuro-Centric and Holocentric Approaches to the Evolution of Developmental Neural Networks....Pages 227-249
Artificial Evolution of Plastic Neural Networks: A Few Key Concepts....Pages 251-261
توضیحاتی در مورد کتاب به زبان اصلی :
The pursuit of artificial intelligence has been a highly active domain of research for decades, yielding exciting scientific insights and productive new technologies. In terms of generating intelligence, however, this pursuit has yielded only limited success. This book explores the hypothesis that adaptive growth is a means of moving forward. By emulating the biological process of development, we can incorporate desirable characteristics of natural neural systems into engineered designs and thus move closer towards the creation of brain-like systems. The particular focus is on how to design artificial neural networks for engineering tasks.
The book consists of contributions from 18 researchers, ranging from detailed reviews of recent domains by senior scientists, to exciting new contributions representing the state of the art in machine learning research. The book begins with broad overviews of artificial neurogenesis and bio-inspired machine learning, suitable both as an introduction to the domains and as a reference for experts. Several contributions provide perspectives and future hypotheses on recent highly successful trains of research, including deep learning, the Hyper NEAT model of developmental neural network design, and a simulation of the visual cortex. Other contributions cover recent advances in the design of bio-inspired artificial neural networks, including the creation of machines for classification, the behavioural control of virtual agents, the design of virtual multi-component robots and morphologies and the creation of flexible intelligence. Throughout, the contributors share their vast expertise on the means and benefits of creating brain-like machines.
This book is appropriate for advanced students and practitioners of artificial intelligence and machine learning.
پست ها تصادفی