Systèmes neuro-flous profonds avec Python : Avec des études de cas et des applications de l'industrie

Avis des lecteurs

Résumé:

L'utilisateur exprime une forte insatisfaction quant à la qualité du livre, citant des problèmes majeurs de composition, des symboles mathématiques incorrects, des représentations graphiques médiocres et une mise en page générale du contenu. Il recommande de rechercher d'autres ressources.

Avantages:

Les avantages de l'ouvrage n'ont pas été mentionnés.

Inconvénients:

⬤ Qualité épouvantable
⬤ Composition incohérente
⬤ Symboles mathématiques incorrects
⬤ Graphiques mal conçus
⬤ Police surdimensionnée et mise en page médiocre
⬤ Contenu difficile à localiser
⬤ Globalement, un achat regrettable.

(basé sur 1 avis de lecteurs)

Titre original :

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

Contenu du livre :

Découvrez la logique floue et les réseaux neuronaux, et comment l'intégration de ces deux modèles permet de créer des systèmes intelligents dans le monde actuel. Ce livre simplifie la mise en œuvre des concepts de logique floue et de réseaux neuronaux à l'aide de Python.

Vous commencerez par étudier les bases des ensembles et des relations floues, et comment chaque membre de l'ensemble a ses propres valeurs de fonction d'appartenance. Vous examinerez également les différentes architectures et modèles qui ont été développés, et comment les règles et le raisonnement ont été définis pour rendre les architectures possibles. Le livre examine ensuite de plus près les réseaux neuronaux et les architectures connexes, en se concentrant sur les différents problèmes que les réseaux neuronaux peuvent rencontrer au cours de la formation et sur la manière dont les différentes méthodes d'optimisation peuvent vous aider à les résoudre.

Dans la dernière partie du livre, vous examinerez les intégrations des logiques floues et des réseaux neuronaux, les systèmes d'inférence neuro-floue adaptatifs et diverses approximations liées à ces systèmes. Vous passerez en revue différents types de classificateurs neuro-flous profonds, les neurones flous et la capacité d'apprentissage adaptatif des réseaux neuronaux. Le livre se termine par un examen des modèles et applications neuro-flous avancés.

Ce que vous apprendrez

⬤ Comprendre la logique floue, les fonctions d'appartenance, les relations floues et l'inférence floue.

⬤ Examiner les réseaux neuronaux, la rétropropagation et l'optimisation.

⬤ Travailler avec différentes architectures telles que le modèle Takagi-Sugeno, le modèle hybride, les algorithmes génétiques et les approximations.

⬤ Appliquer les implémentations Python des systèmes neuro-flous profonds.

A qui s'adresse ce livre ?

Les scientifiques des données et les ingénieurs logiciels ayant une compréhension de base de l'apprentissage automatique qui veulent développer les applications hybrides de l'apprentissage profond et de la logique floue.

Autres informations sur le livre :

• ISBN : 9781484253601
• Auteur : Himanshu Singh
• Éditeur : Apress
• Langue : anglais
• Reliure : Broché