Andere Kunden interessierten sich auch für
![Evolutionäre neuronale Netze zur Erkennung von Neuartigkeiten]( "Evolutionäre neuronale Netze zur Erkennung von Neuartigkeiten")
Evolutionäre neuronale Netze zur Erkennung von Neuartigkeiten54,90 €![Künstliche neuronale Netze in der Diagnose chronischer Nierenerkrankungen]( "Künstliche neuronale Netze in der Diagnose chronischer Nierenerkrankungen")
Künstliche neuronale Netze in der Diagnose chronischer Nierenerkrankungen35,90 €![Neuronale Netze bei der Modellierung von Luftturbulenzen]( "Neuronale Netze bei der Modellierung von Luftturbulenzen")
Neuronale Netze bei der Modellierung von Luftturbulenzen26,90 €![HERGESTELLTE NEURONALE NETZE]( "HERGESTELLTE NEURONALE NETZE")
HERGESTELLTE NEURONALE NETZE43,90 €![Energiebewusstes biologisch inspiriertes Routing-Verfahren für mobile Adhoc-Netze]( "Energiebewusstes biologisch inspiriertes Routing-Verfahren für mobile Adhoc-Netze")
Energiebewusstes biologisch inspiriertes Routing-Verfahren für mobile Adhoc-Netze43,90 €![Vereiteln des Sybil-Angriffs durch die CAM-Methode in WSN mit dem COOJA-Framework]( "Vereiteln des Sybil-Angriffs durch die CAM-Methode in WSN mit dem COOJA-Framework")
Vereiteln des Sybil-Angriffs durch die CAM-Methode in WSN mit dem COOJA-Framework54,90 €![Ein vorgeschlagener Ansatz für einen Ameisenkolonie-Algorithmus und eine vergleichende Studie]( "Ein vorgeschlagener Ansatz für einen Ameisenkolonie-Algorithmus und eine vergleichende Studie")
Ein vorgeschlagener Ansatz für einen Ameisenkolonie-Algorithmus und eine vergleichende Studie35,90 €
Das Spiking Neural Network (SNN) spielt eine wichtige Rolle bei Klassifizierungsproblemen. Obwohl es viele SNN-Modelle gibt, wird das Evolving Spiking Neural Network (ESNN) in vielen aktuellen Forschungsarbeiten verwendet. Evolutionäre Algorithmen, vor allem die differentielle Evolution (DE), wurden zur Verbesserung des ESNN-Algorithmus eingesetzt. Viele reale Optimierungsprobleme beinhalten jedoch mehrere widersprüchliche Ziele. In diesem Buch wurden Harmony Search (HS) und der memetische Ansatz verwendet, um die Leistung von MOO mit ESNN zu verbessern. Folglich wurde Memetic Harmony Search Multi-Objective Differential Evolution with Evolving Spiking Neural Network (MEHSMODE-ESNN) angewendet, um die ESNN-Struktur und die Genauigkeitsraten zu verbessern. Standarddatensätze aus dem maschinellen Lernen der UCI werden für die Bewertung der Leistung dieses verbesserten hybriden Mehrzielmodells verwendet. Die experimentellen Ergebnisse haben gezeigt, dass das Memetic Harmony Search Multi-Objective Differential Evolution with Evolving Spiking Neural Network (MEHSMODE-ESNN) bessere Ergebnisse in Bezug auf Genauigkeit und Netzwerkstruktur liefert.