راهنمای یادگیری ماشین برای بهینه‌سازی محاسباتی: کاربردها و مطالعات موردی ۲۰۲۱
Handbook of Machine Learning for Computational Optimization: Applications and Case Studies 2021

دانلود کتاب راهنمای یادگیری ماشین برای بهینه‌سازی محاسباتی: کاربردها و مطالعات موردی ۲۰۲۱ (Handbook of Machine Learning for Computational Optimization: Applications and Case Studies 2021) با لینک مستقیم و فرمت pdf (پی دی اف) و ترجمه فارسی

نویسنده

Vishal Jain, Sapna Juneja, Abhinav Juneja, Ramani Kannan

ناشر: CRC Press
voucher (1)

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2021

زبان

English

تعداد صفحه‌ها

294

نوع فایل

pdf

حجم

16.9 MB

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

پیش‌خرید با تحویل فوری(⚡️) | فایل کتاب حداکثر تا ۳۰ دقیقه(🕒) پس از ثبت سفارش آماده دانلود خواهد بود.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب راهنمای یادگیری ماشین برای بهینه‌سازی محاسباتی: کاربردها و مطالعات موردی ۲۰۲۱

در عصر هوش محاسباتی، فناوری با سرعتی تصاعدی در حال پیشرفت است. یادگیری ماشینی به عنوان یکی از امیدوارکننده‌ترین ابزارهایی ظهور کرده است که برای به چالش کشیدن و فراتر رفتن از محدودیت‌های کنونی مورد استفاده قرار می‌گیرد. این کتاب راهنما، با ارائه تکنیک‌های بهینه و هوشمند یادگیری ماشینی، به خوانندگان کمک می‌کند تا محصولات و فرایندهای خود را بهبود بخشند.

این کتاب راهنما بر توسعه‌های جدید یادگیری ماشینی تمرکز دارد که می‌تواند منجر به کاربردهای نوظهور شود. با استفاده از رویکردی پیش‌بینانه و آینده‌نگر، یادگیری ماشینی را به ابزاری نویدبخش برای فرایندها و راهکارهای پایدار تبدیل می‌کند. همچنین، الگوریتم‌های جدیدتری را معرفی می‌کند که برای کشف ابعاد جدید در سایر کاربردها، کارآمدتر و قابل‌اعتمادتر هستند. سپس به بررسی پتانسیل استفاده بهتر از ماشین‌ها برای اطمینان از پیش‌بینی، اجرا و تصمیم‌گیری بهینه می‌پردازد.

این کتاب راهنما برای افرادی که به دنبال دانش مبتنی بر یادگیری ماشینی هستند، جذاب خواهد بود. طیف مخاطبان شامل دانشجویان مقطع کارشناسی رشته‌های مهندسی و رشته‌های مرتبط، پژوهشگران، متخصصان و طراحان نرم‌افزار است.


فهرست کتاب:

۱. روی جلد

۲. صفحه عنوان فرعی

۳. صفحه مجموعه

۴. صفحه عنوان

۵. صفحه حق نشر

۶. فهرست مطالب

۷. پیشگفتار

۸. ویراستاران

۹. مشارکت‌کنندگان

۱۰. فصل ۱ متغیرهای تصادفی در یادگیری ماشین

۱۱. فصل ۲ تحلیل سیگنال‌های EMG با استفاده از ماشین یادگیری اکستریم با تکنیک‌های انتخاب ویژگی الهام‌گرفته از طبیعت

۱۲. فصل ۳ تشخیص سرطان سینه با استفاده از الگوریتم‌های مختلف یادگیری ماشین و یادگیری عمیق

۱۳. فصل ۴ ارزیابی عملکرد بازده شعاعی بخش حمل و نقل اتوبوس با استفاده از تحلیل پوششی داده‌ها

۱۴. فصل ۵ کدهای مبتنی بر وزن—یک طرح کدگذاری کنترل خطای باینری—یک رویکرد یادگیری ماشین

۱۵. فصل ۶ طبقه‌بندی داده‌های عظیم تومورهای مغزی با استفاده از DNN: فرصتی در بهداشت و درمان پزشکی ۴.۰ از طریق حسگرها

۱۶. فصل ۷ رویکرد یادگیری عمیق برای تشخیص علائم راهنمایی و رانندگی در سیستم‌های تعبیه‌شده

۱۷. فصل ۸ طبقه‌بندی خطر سرطان ریه با استفاده از ML و AI بر روی اینترنت اشیا مبتنی بر حسگر: یک روند رو به رشد فناوری برای سلامت بشریت

۱۸. فصل ۹ سیستم ارزیابی بازخورد آماری

۱۹. فصل ۱۰ انتشار چوب‌های گیاهی برای مقابله با آلودگی و بیماری‌ها: تهدیدهای مبتنی بر بیماری‌های همه‌گیر

۲۰. فصل ۱۱ شبکه‌های عصبی مصنوعی: یک بررسی جامع

۲۱. فصل ۱۲ یک مطالعه موردی در مورد یادگیری ماشین برای پیش‌بینی نتایج دانشجویان در آموزش عالی

۲۲. فصل ۱۳ رویکرد تحلیل داده برای ارزیابی وضعیت آگاهی از بیماری سل در نیجریه

۲۳. فصل ۱۴ یادگیری فعال از یک مجموعه داده نامتوازن: مطالعه‌ای انجام شده بر روی مجموعه داده افسردگی، اضطراب و استرس

۲۴. فصل ۱۵ طبقه‌بندی تصویربرداری رزونانس مغناطیسی تومور مغزی با استفاده از چارچوب شبکه عصبی پسماند

۲۵. نمایه

توضیحات(انگلیسی)

Technology is moving at an exponential pace in this era of computational intelligence. Machine learning has emerged as one of the most promising tools used to challenge and think beyond current limitations. This handbook will provide readers with a leading edge to improving their products and processes through optimal and smarter machine learning techniques.

This handbook focuses on new machine learning developments that can lead to newly developed applications. It uses a predictive and futuristic approach, which makes machine learning a promising tool for processes and sustainable solutions. It also promotes newer algorithms that are more efficient and reliable for new dimensions in discovering other applications, and then goes on to discuss the potential in making better use of machines in order to ensure optimal prediction, execution, and decision-making.

Individuals looking for machine learning-based knowledge will find interest in this handbook. The readership ranges from undergraduate students of engineering and allied courses to researchers, professionals, and application designers.


Table of Contents

1. Cover

2. Half-Title Page

3. Series Page

4. Title Page

5. Copyright Page

6. Table of Contents

7. Preface

8. Editors

9. Contributors

10. Chapter 1 Random Variables in Machine Learning

11. Chapter 2 Analysis of EMG Signals using Extreme Learning Machine with Nature Inspired Feature Selection Techniques

12. Chapter 3 Detection of Breast Cancer by Using Various Machine Learning and Deep Learning Algorithms

13. Chapter 4 Assessing the Radial Efficiency Performance of Bus Transport Sector Using Data Envelopment Analysis

14. Chapter 5 Weight-Based Codes—A Binary Error Control Coding Scheme—A Machine Learning Approach

15. Chapter 6 Massive Data Classification of Brain Tumors Using DNN: Opportunity in Medical Healthcare 4.0 through Sensors

16. Chapter 7 Deep Learning Approach for Traffic Sign Recognition on Embedded Systems

17. Chapter 8 Lung Cancer Risk Stratification Using ML and AI on Sensor-Based IoT: An Increasing Technological Trend for Health of Humanity

18. Chapter 9 Statistical Feedback Evaluation System

19. Chapter 10 Emission of Herbal Woods to Deal with Pollution and Diseases: Pandemic-Based Threats

20. Chapter 11 Artificial Neural Networks: A Comprehensive Review

21. Chapter 12 A Case Study on Machine Learning to Predict the Students’ Result in Higher Education

22. Chapter 13 Data Analytic Approach for Assessment Status of Awareness of Tuberculosis in Nigeria

23. Chapter 14 Active Learning from an Imbalanced Dataset: A Study Conducted on the Depression, Anxiety, and Stress Dataset

24. Chapter 15 Classification of the Magnetic Resonance Imaging of the Brain Tumor Using the Residual Neural Network Framework

25. Index

دیگران دریافت کرده‌اند

✨ ضمانت تجربه خوب مطالعه

بازگشت کامل وجه

در صورت مشکل، مبلغ پرداختی بازگردانده می شود.

دانلود پرسرعت

دانلود فایل کتاب با سرعت بالا

ارسال فایل به ایمیل

دانلود مستقیم به همراه ارسال فایل به ایمیل.

پشتیبانی ۲۴ ساعته

با چت آنلاین و پیام‌رسان ها پاسخگو هستیم.

ضمانت کیفیت کتاب

کتاب ها را از منابع معتیر انتخاب می کنیم.