Генетические алгоритмы на Python : применение генетических алгоритмов к решению задач глубокого обучения и искусственного интеллекта

Содержание книги "Генетические алгоритмы на Python : применение генетических алгоритмов к решению задач глубокого обучения и искусственного интеллекта"

Об авторе
О рецензенте
Предисловие
Часть I. ОСНОВЫ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
Глава 1. Введение в генетические алгоритмы
Что такое генетические алгоритмы?
Дарвиновская эволюция
Аналогия с генетическими алгоритмами
Теоретические основы генетических алгоритмов
Отличия от традиционных алгоритмов
Преимущества генетических алгоритмов
Ограничения генетических алгоритмов
Сценарии применения генетических алгоритмов
Резюме
Для дальнейшего чтения
Глава 2. Основные компоненты генетических алгоритмов
Базовая структура генетического алгоритма
Методы отбора
Методы скрещивания
Методы мутации
Генетические алгоритмы с вещественным кодированием
Элитизм
Образование ниш и разделение
Искусство решения задач с помощью генетических алгоритмов
Резюме
Для дальнейшего чтения
Часть II. РЕШЕНИЕ ЗАДАЧ С ПОМОЩЬЮ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
Глава 3. Каркас DEAP
Технические требования
Введение в DEAP
Использование модуля creator
Использование класса Toolbox
Задача OneMax
Решение задачи OneMax с помощью DEAP
Использование встроенных алгоритмов
Эксперименты с параметрами алгоритма
Резюме
Для дальнейшего чтения
Глава 4. Комбинаторная оптимизация
Технические требования
Поисковые задачи и комбинаторная оптимизация
Решение задачи о рюкзаке
Решение задачи коммивояжера
Решение задачи о маршрутизации транспорта
Резюме
Для дальнейшего чтения
Глава 5. Задачи с ограничениями
Технические требования
Решение задачи об N ферзях
Решение задачи о составлении графика дежурств медсестер
Решение задачи о раскраске графа
Резюме
Для дальнейшего чтения
Глава 6. Оптимизация непрерывных функций
Технические требования
Хромосомы и генетические операторы для задач с вещественными числами
Использование DEAP совместно с непрерывными функциями
Оптимизация функции Eggholder
Оптимизация функции Химмельблау
Функция Симионеску и условная оптимизация
Резюме
Для дальнейшего чтения
Часть III. ПРИЛОЖЕНИЯ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ В ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ
Глава 7. Дополнение моделей машинного обучения методами выделения признаков
Технические требования
Машинное обучение с учителем
Выделение признаков в обучении с учителем
Выделение признаков для задачи регрессии Фридмана-1
Выделение признаков для классификации набора данных Zoo
Резюме
Для дальнейшего чтения
Глава 8. Настройка гиперпараметров моделей машинного обучения
Технические требования
Гиперпараметры в машинном обучении
Настройка гиперпараметров с помощью генетического поиска на сетке
Прямой генетический подход к настройке гиперпараметров
Резюме
Для дальнейшего чтения
Глава 9. Оптимизация архитектуры сетей глубокого обучения
Технические требования
Искусственные нейронные сети и глубокое обучение
Оптимизация архитектуры классификатора на основе глубокой сети
Объединение оптимизации архитектуры с настройкой гиперпараметров
Резюме
Для дальнейшего чтения
Глава 10. Генетические алгоритмы и обучение с подкреплением
Технические требования
Обучение с подкреплением
OpenAI Gym
Решение окружающей среды MountainCar
Решение окружающей среды CartPole
Резюме
Для дальнейшего чтения
Часть IV. РОДСТВЕННЫЕ ТЕХНОЛОГИИ
Глава 11. Генетическая реконструкция изображений
Технические требования
Реконструкция изображений из многоугольников
Обработка изображений на Python
Применение генетических алгоритмов для реконструкции изображений
Резюме
Для дальнейшего чтения
Глава 12. Другие эволюционные и бионические методы вычислений
Технические требования
Эволюционные и бионические вычисления
Генетическое программирование
Оптимизация методом роя частиц
Другие родственные методы
Резюме
Для дальнейшего чтения
Предметный указатель