Tehnici de învăţare automată cu aplicaţii

NOU
Tematica lucrării cuprinde tehnici clasice şi moderne de învăţare automată, cu orientare spre aplicaţii de învăţare în automatică. Datorită abordării gradual complexe a problematicii propuse, volumul poate fi utilizat în scop didactic în cadrul programelor de studii de licenţă, dar şi de masterat, în domeniul automaticii, dar şi a unor specializări înrudite precum informatică sau calculatoare.

Detalii

Anul apariției
2019
Autor(i)
Mircea-Bogdan Rădac
Pagini
234
Modificator de variante de preţ:
Preţ de bază cu taxă
Pretul de vanzare cu reducere
Prețul de vânzare 34,00 lei
Reducere

Descriere

CUPRINS

Prefață

  1. Tehnici de grupare a datelor

- 1.1 Tehnica k-means (k-medii) pentru probleme de grupare

- 1.2 Tehnica Expectation-Maximization pentru probleme de grupare

- 1.3 Exerciții propuse

- 1.4 Bibliografie

  1. Tehnici de clasificare a datelor

- 2.1 Clasificatorul Bayes naiv

- 2.2 Clasificatori bazați pe modelul logistic

- 2.3 Clasificare binară folosind mașini cu vectori suport

- 2.4 Indicatori de performanță ai clasificatorilor

- 2.5 Exerciții propuse        

- 2.6 Bibliografie

  1. Tehnici de reducere a dimensionalității datelor

- 3.1 Reducerea dimensionalității datelor folosind tehnica analizei componentelor principale (PCA)

- 3.2 Reducerea dimensionalității datelor cu rețele neuronale de tip autoencoder

- 3.3 Stiva de autoencodere

- 3.4 Exerciții propuse

- 3.5 Bibliografie

  1. Tehnici de aproximare a funcțiilor

- 4.1 Aproximarea funcțiilor cu model cunoscut identificat prin optimizare cu metodă de căutare numerică bazată pe gradient

- 4.2 Aproximarea funcțiilor cu model de tip rețea neuronală artificială

- 4.3 Rezolvarea problemei de aproximare neliniară folosind algoritmi genetici

- 4.4 Performanța modelelor de aproximare (regresie). Recomandări practice

- 4.5 Retro-propagare (backpropagation)

- 4.6 Exerciții propuse

- 4.7 Bibliografie

  1. Învățarea cu întărire

- 5.1 Prezentare generală a conceptului de învățare cu întărire

- 5.2 Evaluarea FC cu aproximatori de funcții

- 5.3 Algoritmii ILR și IV în învățarea cu întărire

- 5.4 Proiectarea regulatoarelor optimale după stare cu ajutorul algoritmilor ILR și IV

- 5.4 Exerciții propuse

- 5.5 Bibliografie

  1. Tehnici de învățare pentru sisteme dinamice

- 6.1 Învățarea urmăririi traiectoriei bazată pe repetiții folosind tehnica Iterative Learning Control

- 6.2 Tehnica Iterative Feedback Tuning pentru acordarea parametrilor regulatoarelor automate

- 6.3 Exerciții propuse

- 6.4 Bibliografie

Anexa 1. Rezolvarea numerică a problemelor de optimizare pătratice

Anexa 2. Informații privind lucrul cu rețele neuronale folosind funcții MATLAB

Anexa 3. Învățare cu întărire