Sistemi neuro-fuzzy profondi con Python: Con casi di studio e applicazioni dall'industria

Recensioni dei lettori

L'utente esprime una forte insoddisfazione per la qualità del libro, citando problemi di tipografia, simboli matematici errati, rappresentazioni grafiche scadenti e layout generale dei contenuti. Si consiglia di cercare risorse alternative.

I vantaggi del libro non sono stati segnalati.

⬤ Qualità pessima
⬤ caratteri tipografici incoerenti
⬤ simboli matematici non corretti
⬤ grafici mal progettati
⬤ caratteri sovradimensionati e impaginazione scadente
⬤ contenuti difficili da individuare
⬤ nel complesso un acquisto da rimpiangere.

(basato su 1 recensioni dei lettori)

Titolo originale:

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

Contenuto del libro:

Scoprite la logica fuzzy e le reti neurali e come l'integrazione tra i due modelli renda i sistemi intelligenti nel mondo attuale. Questo libro semplifica l'implementazione dei concetti di logica fuzzy e reti neurali utilizzando Python.

Inizierete con le basi degli insiemi e delle relazioni fuzzy e di come ogni membro dell'insieme abbia i propri valori di appartenenza. Verranno inoltre analizzate le diverse architetture e i modelli che sono stati sviluppati e come sono state definite le regole e i ragionamenti per rendere possibili le architetture. Il libro offre poi un'analisi più approfondita delle reti neurali e delle relative architetture, concentrandosi sui vari problemi che le reti neurali possono incontrare durante l'addestramento e su come i diversi metodi di ottimizzazione possono aiutare a risolverli.

Nell'ultima sezione del libro si esaminano le integrazioni di logiche fuzzy e reti neurali, i sistemi di inferenza neuro fuzzy adattivi e le varie approssimazioni ad essi correlate. Verranno esaminati diversi tipi di classificatori neuro fuzzy profondi, neuroni fuzzy e la capacità di apprendimento adattivo delle reti neurali. Il libro si conclude con una rassegna di modelli neuro fuzzy avanzati e applicazioni.

Che cosa imparerete?

⬤ Comprendere la logica fuzzy, le funzioni di appartenenza, le relazioni fuzzy e l'inferenza fuzzy.

⬤ Rivedere le reti neurali, la back propagation e l'ottimizzazione.

⬤ Lavorare con diverse architetture come il modello Takagi-Sugeno, il modello ibrido, gli algoritmi genetici e le approssimazioni.

⬤ Applicare le implementazioni Python di sistemi neuro fuzzy profondi.

A chi è rivolto questo libro?

Scienziati dei dati e ingegneri del software con una conoscenza di base del Machine Learning che desiderano approfondire le applicazioni ibride del deep learning e della logica fuzzy.