Читать фрагмент

книга

Генетические алгоритмы на Python

Там, где традиционные алгоритмы бесполезны или не дают результата за обозримое время, на помощь могут прийти генетические алгоритмы. Они позволяют решить целый комплекс сложных задач, в том числе связанных с искусственным интеллектом, упростить оптимизацию непрерывных функций, выполнять реконструкцию изображений и многое другое.Книга поможет программистам, специалистам по обработке данных и энтузиастам ИИ, интересующимся генетическими алгоритмами, подступиться к стоящим перед ними задачам, связанным с обучением, поиском и оптимизацией, а также повысить качество и точность результатов в уже имеющихся приложениях. Для изучения материала книги требуются владение языком Python на рабочем уровне и базовые знания математики и информатики.

Форматы: PDF

Издательство: ДМК Пресс

Год: 2020

Место издания: Москва

ISBN: 978-5-97060-857-9

Страниц: 287

Артикул: 95190

Возрастная маркировка: 16+

Электронная книга

998 ₽

Купить и скачать

Содержание

Содержание книги "Генетические алгоритмы на Python : применение генетических алгоритмов к решению задач глубокого обучения и искусственного интеллекта"

Об авторе

О рецензенте

Предисловие

Часть I. ОСНОВЫ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ

Глава 1. Введение в генетические алгоритмы

Что такое генетические алгоритмы?

Дарвиновская эволюция

Аналогия с генетическими алгоритмами

Теоретические основы генетических алгоритмов

Отличия от традиционных алгоритмов

Преимущества генетических алгоритмов

Ограничения генетических алгоритмов

Сценарии применения генетических алгоритмов

Резюме

Для дальнейшего чтения

Глава 2. Основные компоненты генетических алгоритмов

Базовая структура генетического алгоритма

Методы отбора

Методы скрещивания

Методы мутации

Генетические алгоритмы с вещественным кодированием

Элитизм

Образование ниш и разделение

Искусство решения задач с помощью генетических алгоритмов

Резюме

Для дальнейшего чтения

Часть II. РЕШЕНИЕ ЗАДАЧ С ПОМОЩЬЮ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ

Глава 3. Каркас DEAP

Технические требования

Введение в DEAP

Использование модуля creator

Использование класса Toolbox

Задача OneMax

Решение задачи OneMax с помощью DEAP

Использование встроенных алгоритмов

Эксперименты с параметрами алгоритма

Резюме

Для дальнейшего чтения

Глава 4. Комбинаторная оптимизация

Технические требования

Поисковые задачи и комбинаторная оптимизация

Решение задачи о рюкзаке

Решение задачи коммивояжера

Решение задачи о маршрутизации транспорта

Резюме

Для дальнейшего чтения

Глава 5. Задачи с ограничениями

Технические требования

Решение задачи об N ферзях

Решение задачи о составлении графика дежурств медсестер

Решение задачи о раскраске графа

Резюме

Для дальнейшего чтения

Глава 6. Оптимизация непрерывных функций

Технические требования

Хромосомы и генетические операторы для задач с вещественными числами

Использование DEAP совместно с непрерывными функциями

Оптимизация функции Eggholder

Оптимизация функции Химмельблау

Функция Симионеску и условная оптимизация

Резюме

Для дальнейшего чтения

Часть III. ПРИЛОЖЕНИЯ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ В ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ

Глава 7. Дополнение моделей машинного обучения методами выделения признаков

Технические требования

Машинное обучение с учителем

Выделение признаков в обучении с учителем

Выделение признаков для задачи регрессии Фридмана-1

Выделение признаков для классификации набора данных Zoo

Резюме

Для дальнейшего чтения

Глава 8. Настройка гиперпараметров моделей машинного обучения

Технические требования

Гиперпараметры в машинном обучении

Настройка гиперпараметров с помощью генетического поиска на сетке

Прямой генетический подход к настройке гиперпараметров

Резюме

Для дальнейшего чтения

Глава 9. Оптимизация архитектуры сетей глубокого обучения

Технические требования

Искусственные нейронные сети и глубокое обучение

Оптимизация архитектуры классификатора на основе глубокой сети

Объединение оптимизации архитектуры с настройкой гиперпараметров

Резюме

Для дальнейшего чтения

Глава 10. Генетические алгоритмы и обучение с подкреплением

Технические требования

Обучение с подкреплением

OpenAI Gym

Решение окружающей среды MountainCar

Решение окружающей среды CartPole

Резюме

Для дальнейшего чтения

Часть IV. РОДСТВЕННЫЕ ТЕХНОЛОГИИ

Глава 11. Генетическая реконструкция изображений

Технические требования

Реконструкция изображений из многоугольников

Обработка изображений на Python

Применение генетических алгоритмов для реконструкции изображений

Резюме

Для дальнейшего чтения

Глава 12. Другие эволюционные и бионические методы вычислений

Технические требования

Эволюционные и бионические вычисления

Генетическое программирование

Оптимизация методом роя частиц

Другие родственные методы

Резюме

Для дальнейшего чтения

Предметный указатель

Внимание!
При обнаружении неточностей или ошибок в описании книги "Генетические алгоритмы на Python : применение генетических алгоритмов к решению задач глубокого обучения и искусственного интеллекта (автор Эйял Вирсански)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!