Deep Neuro-Fuzzy Systems with Python: Con Casos Prácticos y Aplicaciones de la Industria

Opiniones de los lectores

El usuario expresa su gran insatisfacción con la calidad del libro, citando problemas importantes con la composición tipográfica, símbolos matemáticos incorrectos, representaciones gráficas deficientes y disposición general del contenido. Recomiendan buscar recursos alternativos.

No se informa de las ventajas del libro.

⬤ Calidad pésima
⬤ composición tipográfica incoherente
⬤ símbolos matemáticos incorrectos
⬤ gráficos mal diseñados
⬤ fuente sobredimensionada y diseño deficiente
⬤ el contenido es difícil de localizar
⬤ en general una compra lamentable.

(basado en 1 opiniones de lectores)

Título original:

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

Contenido del libro:

Conozca la lógica difusa y las redes neuronales, y cómo la integración entre ambos modelos da lugar a sistemas inteligentes en el mundo actual. Este libro simplifica la implementación de los conceptos de lógica difusa y redes neuronales utilizando Python.

Empezarás por recorrer los fundamentos de los conjuntos y relaciones difusas, y cómo cada miembro del conjunto tiene sus propios valores de función de pertenencia. También verá diferentes arquitecturas y modelos que se han desarrollado, y cómo se han definido las reglas y el razonamiento para hacer posibles las arquitecturas. A continuación, el libro ofrece una visión más detallada de las redes neuronales y las arquitecturas relacionadas, centrándose en los distintos problemas que las redes neuronales pueden encontrar durante el entrenamiento, y cómo los distintos métodos de optimización pueden ayudarle a resolverlos.

En la última sección del libro se examinan las integraciones de la lógica difusa y las redes neuronales, los sistemas de inferencia difusa neuronal adaptativos y diversas aproximaciones relacionadas con los mismos. Revisará diferentes tipos de clasificadores neurofuzzy profundos, neuronas fuzzy y la capacidad de aprendizaje adaptativo de las redes neuronales. El libro concluye con una revisión de los modelos neurofuzzy avanzados y sus aplicaciones.

Lo que aprenderá

⬤ Comprender la lógica difusa, las funciones de pertenencia, las relaciones difusas y la inferencia difusa.

⬤ Revisar las redes neuronales, la retropropagación y la optimización.

⬤ Trabajar con diferentes arquitecturas como el modelo Takagi-Sugeno, modelo híbrido, algoritmos genéticos y aproximaciones.

⬤ Aplicar implementaciones en Python de sistemas neurofuzzy profundos.

A quién va dirigido este libro

Científicos de datos e ingenieros de software con un conocimiento básico de Aprendizaje Automático que quieran expandirse en las aplicaciones híbridas de aprendizaje profundo y lógica difusa.