Puntuación:
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.
Ventajas:No se informa de las ventajas del libro.
Desventajas:⬤ 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)
Deep Neuro-Fuzzy Systems with Python: With Case Studies and Applications from the Industry
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.
© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)