Intelligenza di sciame e calcolo evolutivo: Teoria, progressi e applicazioni nel machine learning e nel deep learning

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Swarm Intelligence and Evolutionary Computation: Theory, Advances and Applications in Machine Learning and Deep Learning

Contenuto del libro:

L'obiettivo di questo libro è presentare e analizzare i progressi teorici e le applicazioni pratiche emergenti dell'intelligenza degli sciami e dell'intelligenza evolutiva. Si compone di dieci capitoli.

Il capitolo 1 fornisce un'introduzione teorica alle tecniche di ottimizzazione computazionale, con riferimento ai metodi basati sul gradiente, come la discesa più ripida, il gradiente coniugato, i metodi di Newton e quasi-Newton, e ai metodi non basati sul gradiente, come l'algoritmo genetico e gli algoritmi di swarm intelligence. Il capitolo 2 illustra le tecniche di calcolo evolutivo e l'algoritmo genetico. La teoria dell'intelligenza di sciame e l'algoritmo di ottimizzazione a sciame di particelle sono esaminati nel Capitolo 3.

Inoltre, diverse varianti dell'algoritmo di ottimizzazione a sciame di particelle sono state esaminate.

Inoltre, vengono analizzate e spiegate diverse varianti dell'algoritmo di ottimizzazione degli sciami di particelle, come il PSO geometrico e l'algoritmo PSO basato sulla meccanica quantistica. Il capitolo 4 tratta due algoritmi essenziali ispirati alle colonie biologiche: Ant colony optimization (ACO) e Artificial bee colony (ABC).

Il capitolo 5 presenta e analizza gli algoritmi Cuckoo search e Bat swarm. Nel capitolo 6 vengono discussi diversi altri algoritmi meta-euristici, quali: Firefly algorithm (FA), Harmony search (HS), Cat swarm optimization (CSO). Nel capitolo 7 vengono discussi i più recenti algoritmi di sciame bio-ispirati, quali: Algoritmo di ottimizzazione del lupo grigio (GWO), Algoritmo di ottimizzazione della balena (WOA), Algoritmo di ottimizzazione della cavalletta (GOA).

Il capitolo 8 presenta le applicazioni di ottimizzazione dell'apprendimento automatico, come l'ottimizzazione delle reti neurali artificiali. Nel capitolo 9 viene discussa un'applicazione della swarm intelligence nelle reti profonde a memoria a breve termine (LSTM). Il capitolo 10 presenta un'applicazione esemplificativa dell'intelligenza di sciame alla classificazione di immagini satellitari Deep CNN per il telerilevamento dell'ambiente.

L'obiettivo del libro è quello di fornire conoscenze sull'applicazione di tecniche di ottimizzazione migliorate in diversi problemi computazionali e di intelligenza artificiale.