Inteligencja roju i obliczenia ewolucyjne: Teoria, postępy i zastosowania w uczeniu maszynowym i uczeniu głębokim

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Swarm Intelligence and Evolutionary Computation: Theory, Advances and Applications in Machine Learning and Deep Learning

Zawartość książki:

Celem tej książki jest przedstawienie i analiza postępów teoretycznych, a także pojawiających się praktycznych zastosowań roju i inteligencji ewolucyjnej. Składa się ona z dziesięciu rozdziałów.

Rozdział 1 zawiera teoretyczne wprowadzenie do technik optymalizacji obliczeniowej w odniesieniu do metod opartych na gradiencie, takich jak strome zejście, gradient sprzężony, metody Newtona i quasi-Newtona, a także metody niegradientowe, takie jak algorytm genetyczny i algorytmy inteligencji roju. W rozdziale 2 omówiono techniki obliczeń ewolucyjnych i algorytm genetyczny. Teoria inteligencji roju i algorytm optymalizacji rojem cząstek zostały omówione w rozdziale 3.

Ponadto przeanalizowano i wyjaśniono kilka odmian algorytmu optymalizacji rojem cząstek, takich jak algorytm geometryczny PSO i algorytm PSO oparty na mechanice kwantowej.

Rozdział 4 dotyczy dwóch podstawowych algorytmów inspirowanych biologią kolonii: Optymalizacja kolonii mrówek (ACO) i Sztuczna kolonia pszczół (ABC). Rozdział 5 przedstawia i analizuje algorytmy wyszukiwania kukułek i roju nietoperzy.

W rozdziale 6 omówiono kilka innych algorytmów metaheurystycznych, takich jak: Firefly algorithm (FA), Harmony search (HS), Cat swarm optimization (CSO). W rozdziale 7 omówiono najnowsze algorytmy roju inspirowane biologią, takie jak: Algorytm Optymalizacji Szarego Wilka (GWO), Algorytm Optymalizacji Wieloryba (WOA), Algorytm Optymalizacji Konika Polnego (GOA). Rozdział 8 przedstawia aplikacje optymalizacyjne uczenia maszynowego, takie jak optymalizacja sztucznych sieci neuronowych.

W rozdziale 9 omówiono zastosowanie inteligencji roju w sieciach głębokiej pamięci krótkotrwałej (LSTM). Rozdział 10 przedstawia ilustracyjne zastosowanie inteligencji roju w klasyfikacji obrazów satelitarnych Deep CNN w odniesieniu do teledetekcji środowiska. Celem książki jest dostarczenie wiedzy na temat zastosowania ulepszonych technik optymalizacji w różnych problemach obliczeniowych i sztucznej inteligencji.