Dieses Buch bietet einen umfassenden Überblick über die neuesten Entwicklungen und Fortschritte im Bereich der nachhaltigen intelligenten Computertechnologie, entsprechender Anwendungen und Optimierungstechniken in verschiedenen Branchen. Mit der rasant zunehmenden Nutzung von Kommunikationstechnologie und der Entwicklung von benutzerfreundlicher Software und künstlicher Intelligenz ist Optimierung ein wesentlicher Faktor geworden. Bei fast allen menschlichen Tätigkeiten besteht der Wunsch, mit möglichst geringem Aufwand möglichst gute Ergebnisse zu erzielen. Darüber hinaus ist die…mehr
Dieses Buch bietet einen umfassenden Überblick über die neuesten Entwicklungen und Fortschritte im Bereich der nachhaltigen intelligenten Computertechnologie, entsprechender Anwendungen und Optimierungstechniken in verschiedenen Branchen.
Mit der rasant zunehmenden Nutzung von Kommunikationstechnologie und der Entwicklung von benutzerfreundlicher Software und künstlicher Intelligenz ist Optimierung ein wesentlicher Faktor geworden. Bei fast allen menschlichen Tätigkeiten besteht der Wunsch, mit möglichst geringem Aufwand möglichst gute Ergebnisse zu erzielen. Darüber hinaus ist die Optimierung schon lange ein Schwerpunkt in den verschiedensten Anwendungsbereichen, von Problemen bei der Routenberechnung bis zur medizinischen Behandlung, über das Bau- und Finanzwesen, die Buchhaltung, das Ingenieurwesen und Wartungspläne für Industrieanlagen. Bei der Optimierung von realen Problemen kann es helfen, die Art des Problems zu verstehen und es in eine geeignete Klasse einzuordnen, damit der Entwickler die geeigneten Techniken für eine effiziente Problemlösung anwenden kann. Bei vielen intelligenten Optimierungstechniken lassen sich auch ohne Verwendung einer Zielfunktion optimale Lösungen finden, wobei auch die lokalen Bedingungen eine geringere Rolle spielen.
Die 41 Kapitel des Handbook of Intelligent Computing and Optimization for Sustainable Development wurden von Fachleuten aus verschiedenen Bereichen, darunter Mathematik und Informatik, Elektronik und Elektrotechnik, Neuro- und Kognitionswissenschaften, Medizin und Sozialwissenschaften, verfasst und vermitteln den Leserinnen und Lesern ein umfassendes Verständnis davon, welche Bedeutung intelligente Computertechnologie für die nachhaltige Entwicklung der modernen Gesellschaften hat. Erörtert werden zudem die neuesten Forschungsarbeiten an den theoretischen und praktischen Aspekten der erfolgreichen Implementierung neuer, innovativer intelligenter Techniken in den verschiedensten Bereichen, darunter beim IoT, in der Fertigung, bei der Optimierung und im Gesundheitswesen.
Mukhdeep Singh Manshahia, PhD, is an assistant professor at Punjabi University Patiala, India. He has published more than 40 international and national research papers and edited 1 book. Valeriy Kharchenko, PhD, is the Chief Scientific Officer at the Federal Scientific Agro Engineering Center VIM, Moscow, Russia. Elias Munapo, PhD, is a full professor in the Department of Statistics & Operations Research, North West University, South Africa. He has published more than 100 research articles and book chapters and has edited several volumes. J. Joshua Thomas, PhD, is a senior lecturer at UOW Malaysia KDU Penang University College, Malaysia. Currently, he is working with machine learning, big data, data analytics, deep learning, specifically targeting convolutional neural networks (CNN) and bi-directional recurrent neural networks (RNN) for image tagging with embedded natural language processing, end-to-end steering learning systems, and GAN. He has published more than 40 papers in leading international conference proceedings and peer-reviewed journals. Pandian Vasant, PhD, is a professor at Universiti Teknologi PETRONAS, Malaysia. He has co-authored more than 250 research articles in journals, conference proceedings, presentations, special issues guest editor, book chapters, and is the Editor-in-Chief of International Journal of Energy Optimization & Engineering.
Inhaltsangabe
Foreword xxxi
Preface xxxv
Acknowledgment xlv
Part I: Intelligent Computing and Applications 1
1 Assessing Mental Workload Using Eye Tracking Technology and Deep Learning Models 3 Souvik Das, Kintada Prudhvi and J. Maiti
1.1 Introduction 3
1.2 Data Acquisition Method 4
1.3 Feature Extraction 4
1.4 Deep Learning Models 5
1.5 Results 8
1.6 Discussion 10
1.7 Advantages and Disadvantages of the Study 11
1.8 Limitations of the Study 11
1.9 Conclusion 11
References 12
2 Artificial Neural Networks in DNA Computing and Implementation of DNA Logic Gates 13 Mandrita Mondal and Kumar S. Ray
2.1 Introduction 13
2.2 Biological Neurons 15
2.3 Artificial Neural Networks 17
2.4 DNA Neural Networks 22
2.5 DNA Logic Gates 28
2.6 Advantages and Limitations 45
2.7 Conclusion 47
Acknowledgment 47
References 47
3 Intelligent Garment Detection Using Deep Learning 49 Aniruddha Srinivas Joshi, Savyasachi Gupta, Goutham Kanahasabai and Earnest Paul Ijjina
3.1 Introduction 49
3.2 Literature 50
3.3 Methodology 52
3.4 Experimental Results 59
3.5 Highlights 64
3.6 Conclusion and Future Works 65
Acknowledgements 65
References 66
4 Intelligent Computing on Complex Numbers for Cryptographic Applications 69 Ni Ni Hla and Tun Myat Aung
4.1 Introduction 69
4.2 Modular Arithmetic 70
4.3 Complex Plane 71
4.4 Matrix Algebra 71
4.5 Elliptic Curve Arithmetic 73
4.6 Cryptographic Applications 74
4.7 Conclusion 78
References 79
5 Application of Machine Learning Framework for Next-Generation Wireless Networks: Challenges and Case Studies 81 Satyendra Singh Yadav, Shrishail Hiremath, Pravallika Surisetti, Vijay Kumar and Sarat Kumar Patra
5.1 Introduction 82
5.2 Machine/Deep Learning for Future Wireless Communication 83
5.3 Case Studies 87
5.4 Major Findings 95
5.5 Future Research Directions 95
5.6 Conclusion 96
References 96
6 Designing of Routing Protocol for Crowd Associated Networks (CrANs) 101 Rabia Bilal and Bilal Muhammad Khan
6.1 Introduction 101
6.2 Background Study 103
6.3 CrANs 117
6.4 Simulation of MANET Network 123
6.5 Simulation of VANET Network 126
6.6 CrANs 130
6.7 Conclusion 132
References 132
7 Application of Group Method of Data Handling-Based Neural Network (GMDH-NN) for Forecasting Permeate Flux (%) of Disc-Shaped Membrane 135 Anirban Banik, Mrinmoy Majumder, Sushant Kumar Biswal and Tarun Kanti Bandyopadhyay
7.1 Introduction 135
7.2 Experimental Procedure 138
7.3 Methodology 139
7.4 Results and Discussions 142
7.5 Conclusions 146
Acknowledgements 147
References 147
8 Automated Extraction of Non-Functional Requirements From Text Files: A Supervised Learning Approach 149 M. Sunil Kumar, A. Harika, C. Sushama and P. Neelima
8.1 Introduction 149
8.2 Literature Survey 153
8.3 Methodology 156
8.4 Dataset 165
8.5 Evaluation 166
8.6 Conclusion 169
References 170
9 Image Classification by Reinforcement Learning With Two-State Q-Learning 171 Abdul Mueed Hafiz
1 Assessing Mental Workload Using Eye Tracking Technology and Deep Learning Models 3 Souvik Das, Kintada Prudhvi and J. Maiti
1.1 Introduction 3
1.2 Data Acquisition Method 4
1.3 Feature Extraction 4
1.4 Deep Learning Models 5
1.5 Results 8
1.6 Discussion 10
1.7 Advantages and Disadvantages of the Study 11
1.8 Limitations of the Study 11
1.9 Conclusion 11
References 12
2 Artificial Neural Networks in DNA Computing and Implementation of DNA Logic Gates 13 Mandrita Mondal and Kumar S. Ray
2.1 Introduction 13
2.2 Biological Neurons 15
2.3 Artificial Neural Networks 17
2.4 DNA Neural Networks 22
2.5 DNA Logic Gates 28
2.6 Advantages and Limitations 45
2.7 Conclusion 47
Acknowledgment 47
References 47
3 Intelligent Garment Detection Using Deep Learning 49 Aniruddha Srinivas Joshi, Savyasachi Gupta, Goutham Kanahasabai and Earnest Paul Ijjina
3.1 Introduction 49
3.2 Literature 50
3.3 Methodology 52
3.4 Experimental Results 59
3.5 Highlights 64
3.6 Conclusion and Future Works 65
Acknowledgements 65
References 66
4 Intelligent Computing on Complex Numbers for Cryptographic Applications 69 Ni Ni Hla and Tun Myat Aung
4.1 Introduction 69
4.2 Modular Arithmetic 70
4.3 Complex Plane 71
4.4 Matrix Algebra 71
4.5 Elliptic Curve Arithmetic 73
4.6 Cryptographic Applications 74
4.7 Conclusion 78
References 79
5 Application of Machine Learning Framework for Next-Generation Wireless Networks: Challenges and Case Studies 81 Satyendra Singh Yadav, Shrishail Hiremath, Pravallika Surisetti, Vijay Kumar and Sarat Kumar Patra
5.1 Introduction 82
5.2 Machine/Deep Learning for Future Wireless Communication 83
5.3 Case Studies 87
5.4 Major Findings 95
5.5 Future Research Directions 95
5.6 Conclusion 96
References 96
6 Designing of Routing Protocol for Crowd Associated Networks (CrANs) 101 Rabia Bilal and Bilal Muhammad Khan
6.1 Introduction 101
6.2 Background Study 103
6.3 CrANs 117
6.4 Simulation of MANET Network 123
6.5 Simulation of VANET Network 126
6.6 CrANs 130
6.7 Conclusion 132
References 132
7 Application of Group Method of Data Handling-Based Neural Network (GMDH-NN) for Forecasting Permeate Flux (%) of Disc-Shaped Membrane 135 Anirban Banik, Mrinmoy Majumder, Sushant Kumar Biswal and Tarun Kanti Bandyopadhyay
7.1 Introduction 135
7.2 Experimental Procedure 138
7.3 Methodology 139
7.4 Results and Discussions 142
7.5 Conclusions 146
Acknowledgements 147
References 147
8 Automated Extraction of Non-Functional Requirements From Text Files: A Supervised Learning Approach 149 M. Sunil Kumar, A. Harika, C. Sushama and P. Neelima
8.1 Introduction 149
8.2 Literature Survey 153
8.3 Methodology 156
8.4 Dataset 165
8.5 Evaluation 166
8.6 Conclusion 169
References 170
9 Image Classification by Reinforcement Learning With Two-State Q-Learning 171 Abdul Mueed Hafiz
9.1 Introduction 171
9.2 Proposed Approach 173
9.3 Datasets Used 17
Es gelten unsere Allgemeinen Geschäftsbedingungen: www.buecher.de/agb
Impressum
www.buecher.de ist ein Shop der buecher.de GmbH & Co. KG Bürgermeister-Wegele-Str. 12, 86167 Augsburg Amtsgericht Augsburg HRA 13309
