Sisteme Deep Neuro-Fuzzy cu Python: Cu studii de caz și aplicații din industrie

Recenzii ale cititorilor

Utilizatorul se declară foarte nemulțumit de calitatea cărții, menționând probleme majore legate de dactilografiere, simboluri matematice incorecte, reprezentări grafice slabe și aspectul general al conținutului. Utilizatorii recomandă căutarea de resurse alternative.

Beneficiile cărții nu au fost raportate.

⬤ Calitate teribilă
⬤ dactilografiere inconsecventă
⬤ simboluri matematice incorecte
⬤ grafice prost concepute
⬤ font supradimensionat și prezentare slabă
⬤ conținutul este greu de localizat
⬤ în general, o achiziție regretabilă.

(pe baza a 1 recenzii ale cititorilor)

Titlul original:

Deep Neuro-Fuzzy Systems with Python: With Case Studies and Applications from the Industry

Conținutul cărții:

Obțineți o perspectivă asupra logicii fuzzy și a rețelelor neuronale și a modului în care integrarea dintre cele două modele realizează sisteme inteligente în lumea actuală. Această carte simplifică implementarea conceptelor de logică fuzzy și de rețea neuronală utilizând Python.

Veți începe prin a parcurge elementele de bază ale seturilor și relațiilor fuzzy și cum fiecare membru al setului are propriile valori ale funcției de apartenență. De asemenea, veți analiza diferite arhitecturi și modele care au fost dezvoltate și modul în care au fost definite regulile și raționamentul pentru a face posibile arhitecturile. Cartea oferă apoi o privire mai atentă asupra rețelelor neuronale și a arhitecturilor conexe, concentrându-se pe diferitele probleme pe care rețelele neuronale le pot întâmpina în timpul formării și pe modul în care diferite metode de optimizare vă pot ajuta să le rezolvați.

În ultima secțiune a cărții veți examina integrările logicii fuzzy și ale rețelelor neuronale, sistemele de inferență neuro fuzzy adaptive și diversele aproximări legate de acestea. Veți analiza diferite tipuri de clasificatoare neuro fuzzy profunde, neuroni fuzzy și capacitatea de învățare adaptivă a rețelelor neuronale. Cartea se încheie prin examinarea modelelor și aplicațiilor neuro fuzzy avansate.

Ce veți învăța

⬤ Înțelegerea logicii fuzzy, a funcțiilor de apartenență, a relațiilor fuzzy și a inferenței fuzzy.

⬤ Revizuirea rețelelor neuronale, propagarea înapoi și optimizarea.

⬤  Lucrul cu diferite arhitecturi, cum ar fi modelul Takagi-Sugeno, modelul hibrid, algoritmii genetici și aproximările.

⬤ Aplicați implementări Python ale sistemului profund neuro fuzzy.

Pentru cine este această carte

Oameni de știință de date și ingineri software cu o înțelegere de bază a Machine Learning care doresc să se extindă în aplicațiile hibride de învățare profundă și logică fuzzy.