Name: Auswahl neuronaler Equalizer mithilfe genetischer Algorithmen. Ein Ansatz zur Suche nach der neuronalen Netzwerkstruktur (en Alemán)
SKU: 65452222
Price: 117.28 PEN
Availability: InStock
Author: Tiago Mota;Jorgean Leal;Antônio Cezar Lima
ISBN: 9786202368421

portada Auswahl neuronaler Equalizer mithilfe genetischer Algorithmen. Ein Ansatz zur Suche nach der neuronalen Netzwerkstruktur (en Alemán)

Auswahl neuronaler Equalizer mithilfe genetischer Algorithmen. Ein Ansatz zur Suche nach der neuronalen Netzwerkstruktur (en Alemán)

Formato

Libro Físico

Editorial

Verlag Unser Wissen

Autor

Tiago Mota;Jorgean Leal;Antônio Cezar Lima

Año

2025

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22x15 cm

ISBN13

9786202368421

Auswahl neuronaler Equalizer mithilfe genetischer Algorithmen. Ein Ansatz zur Suche nach der neuronalen Netzwerkstruktur (en Alemán)

Tiago Mota;Jorgean Leal;Antônio Cezar Lima (Autor) · Verlag Unser Wissen · Tapa Blanda

Más barato Libro Nuevo Importado

Envío: 21 a 26 días háb.

S/ 293,19S/ 117,28

-60%

Más rápido Libro Nuevo Importado

Envío: 13 a 17 días háb.

S/ 377,38S/ 169,82

-55%

Costos de importación incluídos en el precio ✅

Libro Nuevo Más barato

Quedan 10 unidades

S/ 117,28

Llega entre el 16 Dic y el 24 Dic a CERCADO DE LIMA, Lima. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Auswahl neuronaler Equalizer mithilfe genetischer Algorithmen. Ein Ansatz zur Suche nach der neuronalen Netzwerkstruktur (en Alemán)"

Genetische Algorithmen und künstliche neuronale Netze wurden in den letzten zwei Jahrzehnten kombiniert, um verschiedene Probleme zu lösen. Erstere wurden verwendet, um Parameter und Topologieentscheidungen für letztere zu finden oder um Einschränkungen des Lernalgorithmus zu bewältigen. Einige Probleme erfordern den Einsatz neuronaler Netze als alternative Lösung, aber Studien, die eine Methodik zur Ermittlung der für eine bestimmte Anwendung am besten geeigneten neuronalen Architektur entwickeln, sind in der Literatur selten zu finden. In dieser Arbeit wenden wir genetische Algorithmen an, um neuronale Gewichte zu suchen, und verwenden diese Informationen, um die beste Struktur zu ermitteln und die Effizienz des Lernalgorithmus zu messen. Wir haben ein Kanalentzerrungsproblem als Beispiel verwendet, um die vorgeschlagene Methodik zu testen. Die Ergebnisse dieser Anwendung sind sehr vielversprechend.