Эволюционные нейросети на языке Python (Омельяненко Ярослав) ; ДМК-Пресс, 2020
от 1768 р. до 7996 р.
Автор(ы): Омельяненко Ярослав;
Издатель: ДМК-Пресс
ISBN: 978-5-97060-854-8
ID: SKU36416
Добавлено: 15.08.2021
Сравнить цены
Цена от 1768 р. до 7996 р. в 6 магазинах
Магазин | Цена | Наличие |
---|---|---|
Лабиринт 5/5 | 2038 р. 2912 р. | |
Буквоед 5/5 | 2005 р. Минимальная сумма заказа 100 рублей | |
Book24 5/5 | 2034 р. 2829 р. | |
Мегамаркет 5/5 | 7996 р. | |
Яндекс.Маркет 5/5 | 1915 р. | наличие уточняйте 30.05.2024 |
МАЙШОП 5/5 | 1768 р. 2719 р. | |
Читай-город 5/5 | ||
Описание
Эта книга дает всестороннее представление о нейроэволюции - подходе к обучению искусственных нейронных сетей, который использует эволюционные алгоритмы, чтобы упростить процесс решения сложных задач в таких областях, как игры, робототехника и моделирование естественных процессов.
Читатель начнет знакомство с ключевыми концепциями и ме-тодами нейроэволюции, написав несложный код на языке Python, а затем получит практический опыт работы с популярными библиотеками Python и научится решать распространенные и нестандартные прикладные задачи, используя алгоритмы на основе нейроэволюции. Речь пойдет о том, как адаптировать методы нейроэволюции к существующим проектам нейронных сетей для повышения эффективности обучения и принятия решений; в завершение будет рассказано о топологиях нейрон-ных сетей и о том, как нейроэволюция позволяет развивать сложную топологию из простейшей базовой структуры.
Издание предназначено для специалистов в области машинного обучения и искусственного интеллекта, которые стремятся реализовать алгоритмы нейроэволюции с нуля. Наличие базовых знаний в области глубокого обучения и нейронных сетей, а также программирования на языке Python обязательно.
Читатель начнет знакомство с ключевыми концепциями и ме-тодами нейроэволюции, написав несложный код на языке Python, а затем получит практический опыт работы с популярными библиотеками Python и научится решать распространенные и нестандартные прикладные задачи, используя алгоритмы на основе нейроэволюции. Речь пойдет о том, как адаптировать методы нейроэволюции к существующим проектам нейронных сетей для повышения эффективности обучения и принятия решений; в завершение будет рассказано о топологиях нейрон-ных сетей и о том, как нейроэволюция позволяет развивать сложную топологию из простейшей базовой структуры.
Издание предназначено для специалистов в области машинного обучения и искусственного интеллекта, которые стремятся реализовать алгоритмы нейроэволюции с нуля. Наличие базовых знаний в области глубокого обучения и нейронных сетей, а также программирования на языке Python обязательно.
Смотри также Характеристики.
Яндекс.Маркет
Содержание
Предисловие от издательства
Об авторе
О рецензентах
Предисловие
ЧАСТЬ I. Основы эволюционных вычислительных
алгоритмов и методов нейроэволюции
Глава 1. Обзор методов нейроэволюции
Глава 2. Библиотеки Python и настройка среды
разработки
ЧАСТЬ II. Применение методов нейроэволюции для
решения классических задач информатики
Глава 3. Использование NEAT для оптимизации
решения задачи XOR
Глава 4. Балансировка тележки с обратным
маятником
Глава 5. Автономное прохождение лабиринта
Глава 6. Метод оптимизации поиском новизны
ЧАСТЬ III. Передовые методы нейроэволюции
Глава 7. Зрительное различение с NEAT на основе
гиперкуба
Глава 8. Метод ES-HyperNEAT и задача сетчатки
Глава 9. Коэволюция и метод SAFE
Глава 10. Глубокая нейроэволюция
ЧАСТЬ IV. Обсуждение результатов и
заключительные замечания
Глава 11. Лучшие методы, советы и подсказки
Глава 12. Заключительные замечания
Предметный указатель
Об авторе
О рецензентах
Предисловие
ЧАСТЬ I. Основы эволюционных вычислительных
алгоритмов и методов нейроэволюции
Глава 1. Обзор методов нейроэволюции
Глава 2. Библиотеки Python и настройка среды
разработки
ЧАСТЬ II. Применение методов нейроэволюции для
решения классических задач информатики
Глава 3. Использование NEAT для оптимизации
решения задачи XOR
Глава 4. Балансировка тележки с обратным
маятником
Глава 5. Автономное прохождение лабиринта
Глава 6. Метод оптимизации поиском новизны
ЧАСТЬ III. Передовые методы нейроэволюции
Глава 7. Зрительное различение с NEAT на основе
гиперкуба
Глава 8. Метод ES-HyperNEAT и задача сетчатки
Глава 9. Коэволюция и метод SAFE
Глава 10. Глубокая нейроэволюция
ЧАСТЬ IV. Обсуждение результатов и
заключительные замечания
Глава 11. Лучшие методы, советы и подсказки
Глава 12. Заключительные замечания
Предметный указатель
Видео обзоры (3)
О книге
Автор(ы) | Омельяненко Ярослав |
Раздел | Программирование |
Издатель | ДМК-Пресс |
ISBN | 978-5-9706-0854-8 |
Год издания | 2020 |
Количество страниц | 310 |
Формат | 170x240мм |
Вес | 0.62кг |
Переплет | Твердый переплёт |
Возрастные ограничения | 12 |
Кол-во страниц | 310 |
Возрастное ограничение | 12+ |
Количество книг | 1 |
Тип обложки | твердая |
Издательство | ДМК |
Размеры | 70x100/16 |
Язык издания | Русский |
Обложка | твердый переплёт |
Программирование - издательство "ДМК-Пресс"
Категория 1414 р. - 2121 р.
Программирование - издательство "ДМК-Пресс" »
Программирование
Категория 1414 р. - 2121 р.