KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
  • Produktbild: Advanced Fuzzy Systems Design and Applications
  • Produktbild: Advanced Fuzzy Systems Design and Applications
Band 112

Advanced Fuzzy Systems Design and Applications

Aus der Reihe Studies in Fuzziness and Soft Computing

97,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

12.12.2011

Abbildungen

X, 272 p. 228 illus.

Verlag

Physica

Seitenzahl

272

Maße (L/B/H)

23,5/15,5/1,6 cm

Gewicht

435 g

Auflage

Softcover reprint of the original 1st edition 2003

Sprache

Englisch

ISBN

978-3-7908-2520-6

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

12.12.2011

Abbildungen

X, 272 p. 228 illus.

Verlag

Physica

Seitenzahl

272

Maße (L/B/H)

23,5/15,5/1,6 cm

Gewicht

435 g

Auflage

Softcover reprint of the original 1st edition 2003

Sprache

Englisch

ISBN

978-3-7908-2520-6

Herstelleradresse

Physica Verlag
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Advanced Fuzzy Systems Design and Applications
  • Produktbild: Advanced Fuzzy Systems Design and Applications
  • 1. Fuzzy Sets and Fuzzy Systems.- 1.1 Basics of Fuzzy Sets.- 1.2 Fuzzy Rule Systems.- 1.3 Interpretability of Fuzzy Rule System.- 1.4 Knowledge Processing with Fuzzy Logic.- 2. Evolutionary Algorithms.- 2.1 Introduction.- 2.2 Generic Evolutionary Algorithms.- 2.3 Adaptation and Self-Adaptation in Evolutionary Algorithms.- 2.4 Constraints Handling.- 2.5 Multi-objective Evolution.- 2.6 Evolution with Uncertain Fitness Functions.- 2.7 Parallel Implementations.- 2.8 Summary.- 3. Artificial Neural Networks.- 3.1 Introduction.- 3.2 Feedforward Neural Network Models.- 3.3 Learning Algorithms.- 3.4 Improvement of Generalization.- 3.5 Rule Extraction from Neural Networks.- 3.6 Interaction between Evolution and Learning.- 3.7 Summary.- 4. Conventional Data-driven Fuzzy Systems Design.- 4.1 Introduction.- 4.2 Fuzzy Inference Based Method.- 4.3 Wang-Mendel’s Method.- 4.4 A Direct Method.- 4.5 An Adaptive Fuzzy Optimal Controller.- 4.6 Summary.- 5.Neural Network Based Fuzzy Systems Design.- 5.1 Neurofuzzy Systems.- 5.2 The Pi-sigma Neurofuzzy Model.- 5.3 Modeling and Control Using the Neurofuzzy System.- 5.4 Neurofuzzy Control of Nonlinear Systems.- 5.5 Summary.- 6. Evolutionary Design of Fuzzy Systems.- 6.1 Introduction.- 6.2 Evolutionary Design of Flexible Structured Fuzzy Controller..- 6.3 Evolutionary Optimization of Fuzzy Rules.- 6.4 Fuzzy Systems Design for High-Dimensional Systems.- 6.5 Summary.- 7. Knowledge Discovery by Extracting Interpretable Fuzzy Rules.- 7.1 Introduction.- 7.2 Evolutionary Interpretable Fuzzy Rule Generation.- 7.3 Interactive Co-evolution for Fuzzy Rule Extraction.- 7.4 Fuzzy Rule Extraction from RBF Networks.- 7.5 Summary.- 8. Fuzzy Knowledge Incorporation into Neural Networks.- 8.1 Data and A Priori Knowledge.- 8.2 Knowledge Incorporation in NeuralNetworks for Control.- 8.3 Fuzzy Knowledge Incorporation By Regularization.- 8.4 Fuzzy Knowledge as A Related Task in Learning.- 8.5 Simulation Studies.- 8.6 Summary.- 9. Fuzzy Preferences Incorporation into Multi-objective Optimization.- 9.1 Multi-objective Optimization and Preferences Handling.- 9.2 Evolutionary Dynamic Weighted Aggregation.- 9.3 Fuzzy Preferences Incorporation in MOO.- 9.4 Summary.- References.