KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 09.11.2026 auf tolino shine color (4016621130473), tolino vision color (4016621130183) und tolino vision color weiß (4016621131456) online auf thalia.at, in der Thalia App und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Nicht gültig für Geschenkkarten, Versandkosten und Services. Nur solange der Vorrat reicht.
  • 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

109,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

18.11.2002

Abbildungen

X, 272 p. 228 illus.

Verlag

Physica

Seitenzahl

272

Maße (L/B/H)

24,1/16/2,1 cm

Gewicht

548 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-3-7908-1537-5

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

18.11.2002

Abbildungen

X, 272 p. 228 illus.

Verlag

Physica

Seitenzahl

272

Maße (L/B/H)

24,1/16/2,1 cm

Gewicht

548 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-3-7908-1537-5

Herstelleradresse

Physica Verlag
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

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.