جلد سخت سیاه و سفید
Product details
- Publisher : Springer; 1st ed. 2022 edition (October 26, 2021)
- Language : English
- Hardcover : 137 pages
- ISBN-10 : 3030883957
- ISBN-13 : 978-3030883959
کتاب Learning Decision Sequences For Repetitive Processes―Selected Algorithms (Studies in Systems, Decision and Control, 401)
This book provides tools and algorithms for solving a wide class of optimization tasks by learning from their repetitions. A unified framework is provided for learning algorithms that are based on the stochastic gradient (a golden standard in learning), including random simultaneous perturbations and the response surface the methodology. Original algorithms include model-free learning of short decision sequences as well as long sequences―relying on model-supported gradient estimation. Learning is based on whole sequences of a process observation that are either vectors or images. This methodology is applicable to repetitive processes, covering a wide range from (additive) manufacturing to decision making for COVID-19 waves mitigation. A distinctive feature of the algorithms is learning between repetitions―this idea extends the paradigms of iterative learning and run-to-run control. The main ideas can be extended to other decision learning tasks, not included in this book. The text is written in a comprehensible way with the emphasis on a user-friendly presentation of the algorithms, their explanations, and recommendations on how to select them. The book is expected to be of interest to researchers, Ph.D., and graduate students in computer science and engineering, operations research, decision making, and those working on the iterative learning control.
منابع کتاب کتاب Learning Decision Sequences For Repetitive Processes―Selected Algorithms (Studies in Systems, Decision and Control, 401)
این کتاب ابزارها و الگوریتم هایی را برای حل دسته وسیعی از وظایف بهینه سازی با یادگیری از تکرار آنها ارائه می دهد. یک چارچوب یکپارچه برای الگوریتم‌های یادگیری ارائه شده است که مبتنی بر گرادیان تصادفی (یک استاندارد طلایی در یادگیری) است، از جمله اختلالات تصادفی همزمان و سطح پاسخ روش‌شناسی. الگوریتم‌های اصلی شامل یادگیری بدون مدل توالی‌های تصمیم‌گیری کوتاه و همچنین توالی‌های طولانی هستند - با تکیه بر تخمین گرادیان پشتیبانی شده از مدل. یادگیری بر اساس توالی کامل یک مشاهده فرآیند است که یا بردار یا تصویر است. این روش برای فرآیندهای تکراری قابل اجرا است و طیف وسیعی از تولید (افزودنی) تا تصمیم‌گیری برای کاهش امواج COVID-19 را پوشش می‌دهد. یکی از ویژگی‌های متمایز الگوریتم‌ها یادگیری بین تکرارها است - این ایده پارادایم‌های یادگیری تکراری و کنترل اجرا به اجرا را گسترش می‌دهد. ایده های اصلی را می توان به سایر وظایف یادگیری تصمیم گیری که در این کتاب گنجانده نشده است، تعمیم داد. متن به روشی قابل فهم با تاکید بر ارائه کاربر پسند الگوریتم ها، توضیحات آنها و توصیه هایی در مورد نحوه انتخاب آنها نوشته شده است. انتظار می رود این کتاب مورد توجه محققان، دکترا و دانشجویان فارغ التحصیل در علوم و مهندسی کامپیوتر، تحقیقات عملیاتی، تصمیم گیری، و کسانی که روی کنترل یادگیری تکراری کار می کنند، باشد. متن به روشی قابل فهم با تاکید بر ارائه کاربر پسند الگوریتم ها، توضیحات آنها و توصیه هایی در مورد نحوه انتخاب آنها نوشته شده است. انتظار می رود این کتاب مورد توجه محققان، دکترا و دانشجویان فارغ التحصیل در علوم و مهندسی کامپیوتر، تحقیقات عملیاتی، تصمیم گیری، و کسانی که روی کنترل یادگیری تکراری کار می کنند، باشد. متن به روشی قابل فهم با تاکید بر ارائه کاربر پسند الگوریتم ها، توضیحات آنها و توصیه هایی در مورد نحوه انتخاب آنها نوشته شده است. انتظار می رود این کتاب مورد توجه محققان، دکترا و دانشجویان فارغ التحصیل در علوم و مهندسی کامپیوتر، تحقیقات عملیاتی، تصمیم گیری، و کسانی که روی کنترل یادگیری تکراری کار می کنند، باشد.
ارسال نظر درباره کتاب Learning Decision Sequences For Repetitive Processes―Selected Algorithms (Studies in Systems, Decision and Control, 401)