Генетические алгоритмы на Python (Вирсански Эйял) ; ДМК-Пресс, 2020
от 1974 р. до 2209 р.
Автор(ы): Вирсански Эйял;
Издатель: ДМК-Пресс
ISBN: 978-5-97060-857-9
ID: SKU169427
Добавлено: 15.08.2021
Сравнить цены
Цена от 1974 р. до 2209 р. в 4 магазинах
Магазин | Цена | Наличие |
---|---|---|
Лабиринт 5/5 | 2209 р. 3155 р. | |
Book24 5/5 | 2209 р. 3039 р. | |
Буквоед 5/5 | 2172 р. Минимальная сумма заказа 100 рублей | |
МАЙШОП 5/5 | 1974 р. 2945 р. | |
Читай-город 5/5 | ||
Описание
Генетические алгоритмы - это семейство алгоритмов поиска, оптимизации и обучения, черпающее идеи из естественной эволюции. Благодаря имитации эволюционных процессов генетические алгоритмы способы преодолевать трудности, присущие традиционным алгоритмам поиска, и находить высококачественные решения в самых разных задачах. Эта книга поможет освоить мощный, но в то же время простой подход к применению генетических алгоритмов, написанных на языке Python, и познакомиться с последними достижениями в области искусственного интеллекта.
После обзора генетических алгоритмов и описания принципов автор рассказывает об их отличиях от традиционных алгоритмов и о типах задач, к которым они применимы, как то: планирование, составление расписаний, игры и анализ функций. Вы также узнаете о том, как генетические алгоритмы позволяют повысить качество моделей машинного и глубокого обучения, решать задачи обучения с подкреплением и выполнять реконструкцию изображений. Наконец, будет упомянуто о некоторых родственных технологиях, открывающих новые возможности для будущих приложений.
Книга адресована программистам, специалистам по обработке данных и энтузиастам ИИ, желающим применить генетические алгоритмы в решении практических задач. Требуются владение языком Python на рабочем уровне и базовые знания математики и информатики.
После обзора генетических алгоритмов и описания принципов автор рассказывает об их отличиях от традиционных алгоритмов и о типах задач, к которым они применимы, как то: планирование, составление расписаний, игры и анализ функций. Вы также узнаете о том, как генетические алгоритмы позволяют повысить качество моделей машинного и глубокого обучения, решать задачи обучения с подкреплением и выполнять реконструкцию изображений. Наконец, будет упомянуто о некоторых родственных технологиях, открывающих новые возможности для будущих приложений.
Книга адресована программистам, специалистам по обработке данных и энтузиастам ИИ, желающим применить генетические алгоритмы в решении практических задач. Требуются владение языком Python на рабочем уровне и базовые знания математики и информатики.
Смотри также Характеристики.
Яндекс.Маркет
Содержание
Об авторе
О рецензенте
Предисловие
Часть I. ОСНОВЫ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
Глава 1. Введение в генетические алгоритмы
Глава 2. Основные компоненты генетических
алгоритмов
Часть II. РЕШЕНИЕ ЗАДАЧ С ПОМОЩЬЮ
ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
Глава 3. Каркас DEAP
Глава 4. Комбинаторная оптимизация
Глава 5. Задачи с ограничениями
Глава 6. Оптимизация непрерывных функций
Часть III. ПРИЛОЖЕНИЯ ГЕНЕТИЧЕСКИХ
АЛГОРИТМОВ В ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ
Глава 7. Дополнение моделей машинного обучения
методами выделения признаков
Глава 8. Настройка гиперпараметров моделей
машинного обучения
Глава 9. Оптимизация архитектуры сетей
глубокого обучения
Глава 10. Генетические алгоритмы и обучение с
подкреплением
Часть IV. РОДСТВЕННЫЕ ТЕХНОЛОГИИ
Глава 11. Генетическая реконструкция
изображений
Глава 12. Другие эволюционные и бионические
методы вычислений
Предметный указатель
О рецензенте
Предисловие
Часть I. ОСНОВЫ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
Глава 1. Введение в генетические алгоритмы
Глава 2. Основные компоненты генетических
алгоритмов
Часть II. РЕШЕНИЕ ЗАДАЧ С ПОМОЩЬЮ
ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
Глава 3. Каркас DEAP
Глава 4. Комбинаторная оптимизация
Глава 5. Задачи с ограничениями
Глава 6. Оптимизация непрерывных функций
Часть III. ПРИЛОЖЕНИЯ ГЕНЕТИЧЕСКИХ
АЛГОРИТМОВ В ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ
Глава 7. Дополнение моделей машинного обучения
методами выделения признаков
Глава 8. Настройка гиперпараметров моделей
машинного обучения
Глава 9. Оптимизация архитектуры сетей
глубокого обучения
Глава 10. Генетические алгоритмы и обучение с
подкреплением
Часть IV. РОДСТВЕННЫЕ ТЕХНОЛОГИИ
Глава 11. Генетическая реконструкция
изображений
Глава 12. Другие эволюционные и бионические
методы вычислений
Предметный указатель
О книге
Издатель | ДМК-Пресс |
Год издания | 2020 |
Страниц | 286 |
Переплёт | твердый |
ISBN | 978-5-9706-0857-9 |
Размеры | 17,00 см × 24,00 см × 1,70 см |
Формат | 70х100/16 |
Автор(ы) | Вирсански Эйял |
Тематика | Программирование |
Тираж | 200 |
Переплет | Твердый переплёт |
Возрастные ограничения | 12 |
Кол-во страниц | 286 |
Количество страниц | 286 |
Тип обложки | твердая |
Вес | 588 |
Возрастное ограничение | 12+ |
Количество книг | 1 |
Издательство | ДМК ПРЕСС |
Язык издания | Русский |
Обложка | твердый переплёт |
1 ms.
Машинное обучение. Анализ данных - издательство "ДМК-Пресс"
Категория 1579 р. - 2368 р.
Программирование - издательство "ДМК-Пресс" »
0 ms.