Buch, Englisch, Band 35, 252 Seiten, Format (B × H): 163 mm x 242 mm, Gewicht: 1220 g
Reihe: Operations Research/Computer Science Interfaces Series
Buch, Englisch, Band 35, 252 Seiten, Format (B × H): 163 mm x 242 mm, Gewicht: 1220 g
Reihe: Operations Research/Computer Science Interfaces Series
ISBN: 978-0-387-33415-8
Verlag: Springer Us
This book provides successful implementations of metaheuristic methods for neural network training. It is the first book to achieve this objective. Moreover, the basic principles and fundamental ideas given in the book will allow the readers to create successful training methods on their own. Overall, the book's aim is to provide a broad coverage of the concepts, methods, and tools of the important area of ANNs within the realm of continuous optimization.
Zielgruppe
Researchers, students, and technically competent practitioners not only in neural networks, but also in Management Science, Industrial Engineering, Economics, and Computer Science
Autoren/Hrsg.
Fachgebiete
- Technische Wissenschaften Technik Allgemein Mathematik für Ingenieure
- Wirtschaftswissenschaften Betriebswirtschaft Bereichsspezifisches Management Produktionsmanagement, Qualitätskontrolle
- Mathematik | Informatik Mathematik Numerik und Wissenschaftliches Rechnen Numerische Mathematik
- Wirtschaftswissenschaften Betriebswirtschaft Wirtschaftsmathematik und -statistik
- Mathematik | Informatik Mathematik Numerik und Wissenschaftliches Rechnen Computeranwendungen in der Mathematik
- Mathematik | Informatik Mathematik Operations Research Spieltheorie
- Wirtschaftswissenschaften Volkswirtschaftslehre Volkswirtschaftslehre Allgemein Ökonometrie
- Mathematik | Informatik EDV | Informatik Informatik Künstliche Intelligenz Fuzzy-Systeme
Weitere Infos & Material
Classical Training Methods.- Local Search Based Methods.- Simulated Annealing.- Tabu Search.- Variable Neighbourhood Search.- Population Based Methods.- Estimation of Distribution Algorithms.- Genetic Algorithms.- Scatter Search.- Other Advanced Methods.- Ant Colony Optimization.- Cooperative Coevolutionary Methods.- Greedy Randomized Adaptive Search Procedures.- Memetic Algorithms.
