Neuronale Netze
Optimierung durch Lernen und Evolution
Seiten
1997
Springer Berlin (Hersteller)
9783540626145 (ISBN)
Springer Berlin (Hersteller)
9783540626145 (ISBN)
- Titel ist leider vergriffen;
keine Neuauflage - Artikel merken
In diesem Buch finden der Leser und die Leserin effiziente Methoden zur Optimierung Neuronaler Netze. Die Optimierung neuronaler Modelle wird in folgende Faktoren aufgeteilt:
Neuronale Modelle, Lernprobleme, Optimierungsverfahren und Hardwareimplementierung.
Dadurch erhalten Sie die Möglichkeit, in Ihrer eigenen Anwendung die Bausteine seinen Zielen entsprechend zu kombinieren:
Neuronales Modell vs. Neuro-Fuzzy-Modell, Supervised Learning vs. Reinforcement Learning, Gradientenabstieg vs. Evolution, sequentiell vs. parallel.
Neuronale Modelle, Lernprobleme, Optimierungsverfahren und Hardwareimplementierung.
Dadurch erhalten Sie die Möglichkeit, in Ihrer eigenen Anwendung die Bausteine seinen Zielen entsprechend zu kombinieren:
Neuronales Modell vs. Neuro-Fuzzy-Modell, Supervised Learning vs. Reinforcement Learning, Gradientenabstieg vs. Evolution, sequentiell vs. parallel.
Aus dem Inhalt:
Neuronale Modelle von Expertenwissen: Einführung
Implizite Wissenrepräsentation (Interpolation)
Explizite Wissensrepräsentation (Prototypen)
Semantische Netze
Optimierung durch Relaxation
Neuronale Modelle für Strategielernen: Problemstellung
Lernen nach Beispielen
Lernen nach Zielvorgabe
Reinforcement-Lernen
Evolution Neuronaler Netze: Evolutionäre Algorithmen
Grundkonzeption von ENZO
ENZO für überwachtes Lernen
ENZO für Reinforcement-Lernen
ENZO für unscharfe Regler
Lernen und Evolution auf einem Parallelrechner
| Zusatzinfo | 64 Abb., 17 Tab. |
|---|---|
| Gewicht | 560 g |
| Einbandart | gebunden |
| Schlagworte | Neuronale Netze |
| ISBN-13 | 9783540626145 / 9783540626145 |
| Zustand | Neuware |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
