Machine Learning for Evolution Strategies

دانلود کتاب Machine Learning for Evolution Strategies

32000 تومان موجود

کتاب یادگیری ماشین برای استراتژی های تکامل نسخه زبان اصلی

دانلود کتاب یادگیری ماشین برای استراتژی های تکامل بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 9


توضیحاتی در مورد کتاب Machine Learning for Evolution Strategies

نام کتاب : Machine Learning for Evolution Strategies
ویرایش : 1
عنوان ترجمه شده به فارسی : یادگیری ماشین برای استراتژی های تکامل
سری : Studies in Big Data 20
نویسندگان :
ناشر : Springer International Publishing
سال نشر : 2016
تعداد صفحات : 120
ISBN (شابک) : 9783319333816 , 9783319333830
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 6 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 :




این کتاب ترکیب‌های الگوریتمی متعددی را بین هر دو جهان معرفی می‌کند که نشان می‌دهد چگونه یادگیری ماشینی می‌تواند استراتژی‌های تکامل را بهبود بخشد و پشتیبانی کند. مجموعه روش‌ها شامل تخمین ماتریس کوواریانس، فرامدل‌سازی توابع تناسب و محدودیت، کاهش ابعاد برای جستجو و تجسم فرآیندهای بهینه‌سازی با ابعاد بالا، و نچینگ مبتنی بر خوشه‌بندی است. پس از ارائه مقدمه ای بر استراتژی های تکامل و یادگیری ماشینی، این کتاب با دیدگاهی الگوریتمی و تجربی، پل بین هر دو جهان را ایجاد می کند. آزمایش‌ها عمدتاً از (1 1)-ES استفاده می‌کنند و در پایتون با استفاده از کتابخانه یادگیری ماشینی scikit-learn پیاده‌سازی می‌شوند. مثال‌ها بر روی مسائل معیار معمولی انجام می‌شوند که مفاهیم الگوریتمی و رفتار تجربی آن‌ها را نشان می‌دهند. کتاب با بحث در مورد خطوط تحقیق مرتبط به پایان می رسد.


فهرست مطالب :


Front Matter....Pages i-ix
Introduction....Pages 1-10
Front Matter....Pages 11-11
Evolution Strategies....Pages 13-21
Covariance Matrix Estimation....Pages 23-32
Front Matter....Pages 33-33
Machine Learning....Pages 35-43
Scikit-Learn....Pages 45-53
Front Matter....Pages 55-55
Fitness Meta-Modeling....Pages 57-65
Constraint Meta-Modeling....Pages 67-76
Front Matter....Pages 77-77
Dimensionality Reduction Optimization....Pages 79-87
Solution Space Visualization....Pages 89-98
Clustering-Based Niching....Pages 99-107
Front Matter....Pages 109-109
Summary and Outlook....Pages 111-117
Back Matter....Pages 119-124

توضیحاتی در مورد کتاب به زبان اصلی :


This book introduces numerous algorithmic hybridizations between both worlds that show how machine learning can improve and support evolution strategies. The set of methods comprises covariance matrix estimation, meta-modeling of fitness and constraint functions, dimensionality reduction for search and visualization of high-dimensional optimization processes, and clustering-based niching. After giving an introduction to evolution strategies and machine learning, the book builds the bridge between both worlds with an algorithmic and experimental perspective. Experiments mostly employ a (1+1)-ES and are implemented in Python using the machine learning library scikit-learn. The examples are conducted on typical benchmark problems illustrating algorithmic concepts and their experimental behavior. The book closes with a discussion of related lines of research.




پست ها تصادفی