Das Spiking Neural Network (SNN) spielt eine wichtige Rolle bei Klassifizierungsproblemen. Obwohl es viele SNN-Modelle gibt, wird das Evolving Spiking Neural Network (ESNN) in vielen aktuellen Forschungsarbeiten verwendet. Evolutionäre Algorithmen, vor allem die differentielle Evolution (DE), wurden zur Verbesserung des ESNN-Algorithmus eingesetzt. Viele reale Optimierungsprobleme beinhalten jedoch mehrere widersprüchliche Ziele. In diesem Buch wurden Harmony Search (HS) und der memetische Ansatz verwendet, um die Leistung von MOO mit ESNN zu verbessern. Folglich wurde Memetic Harmony Search Multi-Objective Differential Evolution with Evolving Spiking Neural Network (MEHSMODE-ESNN) angewendet, um die ESNN-Struktur und die Genauigkeitsraten zu verbessern. Standarddatensätze aus dem maschinellen Lernen der UCI werden für die Bewertung der Leistung dieses verbesserten hybriden Mehrzielmodells verwendet. Die experimentellen Ergebnisse haben gezeigt, dass das Memetic Harmony Search Multi-Objective Differential Evolution with Evolving Spiking Neural Network (MEHSMODE-ESNN) bessere Ergebnisse in Bezug auf Genauigkeit und Netzwerkstruktur liefert.
Die Inhaltsangabe kann sich auf eine andere Ausgabe dieses Titels beziehen.
Anbieter: California Books, Miami, FL, USA
Zustand: New. Bestandsnummer des Verkäufers I-9786208557515
Anzahl: Mehr als 20 verfügbar
Anbieter: PBShop.store US, Wood Dale, IL, USA
PAP. Zustand: New. New Book. Shipped from UK. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000. Bestandsnummer des Verkäufers L0-9786208557515
Anzahl: Mehr als 20 verfügbar
Anbieter: PBShop.store UK, Fairford, GLOS, Vereinigtes Königreich
PAP. Zustand: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000. Bestandsnummer des Verkäufers L0-9786208557515
Anzahl: Mehr als 20 verfügbar
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes Königreich
Zustand: New. In. Bestandsnummer des Verkäufers ria9786208557515_new
Anzahl: Mehr als 20 verfügbar
Anbieter: Books Puddle, New York, NY, USA
Zustand: New. Bestandsnummer des Verkäufers 26403747568
Anbieter: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Deutschland
Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 60 pp. Deutsch. Bestandsnummer des Verkäufers 9786208557515
Anzahl: 2 verfügbar
Anbieter: Majestic Books, Hounslow, Vereinigtes Königreich
Zustand: New. Print on Demand. Bestandsnummer des Verkäufers 409406767
Anzahl: 4 verfügbar
Anbieter: Biblios, Frankfurt am main, HESSE, Deutschland
Zustand: New. PRINT ON DEMAND. Bestandsnummer des Verkäufers 18403747578
Anzahl: 4 verfügbar
Anbieter: CitiRetail, Stevenage, Vereinigtes Königreich
Paperback. Zustand: new. Paperback. Das Spiking Neural Network (SNN) spielt eine wichtige Rolle bei Klassifizierungsproblemen. Obwohl es viele SNN-Modelle gibt, wird das Evolving Spiking Neural Network (ESNN) in vielen aktuellen Forschungsarbeiten verwendet. Evolutionaere Algorithmen, vor allem die differentielle Evolution (DE), wurden zur Verbesserung des ESNN-Algorithmus eingesetzt. Viele reale Optimierungsprobleme beinhalten jedoch mehrere widerspruechliche Ziele. In diesem Buch wurden Harmony Search (HS) und der memetische Ansatz verwendet, um die Leistung von MOO mit ESNN zu verbessern. Folglich wurde Memetic Harmony Search Multi-Objective Differential Evolution with Evolving Spiking Neural Network (MEHSMODE-ESNN) angewendet, um die ESNN-Struktur und die Genauigkeitsraten zu verbessern. Standarddatensaetze aus dem maschinellen Lernen der UCI werden fuer die Bewertung der Leistung dieses verbesserten hybriden Mehrzielmodells verwendet. Die experimentellen Ergebnisse haben gezeigt, dass das Memetic Harmony Search Multi-Objective Differential Evolution with Evolving Spiking Neural Network (MEHSMODE-ESNN) bessere Ergebnisse in Bezug auf Genauigkeit und Netzwerkstruktur liefert. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability. Bestandsnummer des Verkäufers 9786208557515
Anzahl: 1 verfügbar
Anbieter: buchversandmimpf2000, Emtmannsberg, BAYE, Deutschland
Taschenbuch. Zustand: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Das Spiking Neural Network (SNN) spielt eine wichtige Rolle bei Klassifizierungsproblemen. Obwohl es viele SNN-Modelle gibt, wird das Evolving Spiking Neural Network (ESNN) in vielen aktuellen Forschungsarbeiten verwendet. Evolutionäre Algorithmen, vor allem die differentielle Evolution (DE), wurden zur Verbesserung des ESNN-Algorithmus eingesetzt. Viele reale Optimierungsprobleme beinhalten jedoch mehrere widersprüchliche Ziele. In diesem Buch wurden Harmony Search (HS) und der memetische Ansatz verwendet, um die Leistung von MOO mit ESNN zu verbessern. Folglich wurde Memetic Harmony Search Multi-Objective Differential Evolution with Evolving Spiking Neural Network (MEHSMODE-ESNN) angewendet, um die ESNN-Struktur und die Genauigkeitsraten zu verbessern. Standarddatensätze aus dem maschinellen Lernen der UCI werden für die Bewertung der Leistung dieses verbesserten hybriden Mehrzielmodells verwendet. Die experimentellen Ergebnisse haben gezeigt, dass das Memetic Harmony Search Multi-Objective Differential Evolution with Evolving Spiking Neural Network (MEHSMODE-ESNN) bessere Ergebnisse in Bezug auf Genauigkeit und Netzwerkstruktur liefert.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 60 pp. Deutsch. Bestandsnummer des Verkäufers 9786208557515
Anzahl: 1 verfügbar