26,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
13 °P sammeln
  • Broschiertes Buch

Les réseaux neuronaux artificiels sont des réseaux complexes émulant la manière dont les neurones rationnels humains traitent les données. Ils ont été largement utilisés pour la prédiction, le regroupement, la classification et l'association. Les algorithmes de formation qui déterminent les poids du réseau sont presque le facteur le plus important qui influence les performances du réseau neuronal. Ces derniers temps, plusieurs algorithmes méta-heuristiques et évolutionnaires sont utilisés pour optimiser les poids des réseaux neuronaux afin d'obtenir des performances neuronales plus…mehr

Produktbeschreibung
Les réseaux neuronaux artificiels sont des réseaux complexes émulant la manière dont les neurones rationnels humains traitent les données. Ils ont été largement utilisés pour la prédiction, le regroupement, la classification et l'association. Les algorithmes de formation qui déterminent les poids du réseau sont presque le facteur le plus important qui influence les performances du réseau neuronal. Ces derniers temps, plusieurs algorithmes méta-heuristiques et évolutionnaires sont utilisés pour optimiser les poids des réseaux neuronaux afin d'obtenir des performances neuronales plus élevées.Pour résoudre des problèmes de calcul complexes, de nombreux algorithmes d'optimisation méta-heuristiques ont été développés. Une méta-heuristique est une procédure de niveau supérieur conçue pour découvrir, créer ou sélectionner une heuristique susceptible de fournir une solution suffisamment bonne à un problème d'optimisation, en particulier avec des informations incomplètes ou imparfaites ou une capacité de calcul limitée. Les méta-heuristiques peuvent faire des hypothèses limitées sur le problème d'optimisation à résoudre, et elles peuvent donc être utilisables pour une variété de problèmes. De nombreuses méta-heuristiques mettent en oeuvre une forme d'optimisation stochastique, de sorte que la solution trouvée dépend de l'ensemble des variables aléatoires générées.
Autorenporträt
El Dr. K. Thippeswamy, Profesor, Informática e Ingeniería, Universidad Tecnológica de Visvesvaraya, Mysuru, Karnataka, India, es autor de muchos títulos, incluidos 'Clasificación de datos no estructurados: Regla de decisión del vecino más cercano incierto' y 'Sistema de recuperación de información: Arquitectura orientada a servicios ( SOA)'.