Meta-Algorithmics: Patterns for Robust, Low-Cost, High-Quality Systems

ویرایش:  
نویسندگان: Steven J. Simske(auth.)  
سری:  
ISBN (شابک) : 9781118343364, 9781118626719 
ناشر:  
سال نشر: 2013 
تعداد صفحات: 384 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 32,000



تلاقی روش‌های رایانش ابری، موازی‌سازی و هوش ماشینی پیشرفته دنیایی را ایجاد کرده است که در آن سیستم دانش بهینه معمولاً از ترکیب دو یا چند سیستم مولد دانش ساخته می‌شود. بنابراین، نیاز به ارائه مجموعه‌ای از الگوهای طراحی قابل استفاده مجدد و با کاربرد گسترده برای توانمندسازی معمار سیستم هوشمند برای استفاده از این فرصت وجود دارد.

این کتاب نحوه طراحی و ساخت سیستم‌های هوشمند را توضیح می‌دهد. برای تغییر نیازمندی‌های سیستم (سازگاری)، بهینه‌سازی شده برای تغییر ورودی سیستم (استقامت)، و برای یک یا چند پارامتر مهم دیگر سیستم (مانند دقت، کارایی، هزینه) بهینه شده‌اند. این یک نمای کلی از پردازش موازی سنتی را ارائه می دهد که نشان داده شده است که عمدتاً از موازی کاری و مؤلفه تشکیل شده است. قبل از معرفی موازی سازی متاالگوریتمی که مبتنی بر ترکیب دو یا چند الگوریتم، موتورهای طبقه بندی یا سیستم های دیگر است.

ویژگی های کلیدی:

• کل نقشه راه طراحی را توضیح می دهد، تست، توسعه، اصلاح، استقرار و بهینه‌سازی مبتنی بر آمار سیستم‌های ساختمانی برای هوشمندی
• به‌علاوه داشتن تمرکز پردازش تصویر قوی، یک نمای کلی در دسترس و در عین حال کامل از هوش ماشین ارائه می‌دهد.
• شامل الگوهای طراحی برای موازی‌سازی، به‌ویژه موازی‌سازی متاالگوریتمی - به سادگی منتقل، قابل استفاده مجدد و اثبات شده مؤثر است که می‌تواند به آسانی در جعبه ابزار متخصصان تجزیه و تحلیل، معماری سیستم، داده‌های بزرگ، امنیت و بسیاری دیگر از رشته‌های علوم و مهندسی گنجانده شود
• الگوریتم‌ها و تحلیل‌ها را به موازی‌گرایی متصل می‌کند، در نتیجه روش جدیدی برای طراحی سیستم‌های هوشمند سازگار با تغییرات عظیم در دنیای محاسبات در دهه گذشته را نشان می‌دهد
• در مورد کاربرد رویکردها در زمینه‌های وسیعی بحث می‌کند. ; در درجه اول، درک سند، درک تصویر، بیومتریک و چاپ امنیتی
• وب‌سایت همراه شامل کد و مجموعه داده‌های نمونه است

محتوا:
فصل 1 مقدمه و نمای کلی (صفحات 1-41 ):
فصل 2 اشکال موازی موازی (صفحات 42-72):
فصل 3 حوزه های دامنه: اینها کجا مرتبط هستند؟ (صفحات 73-103):
فصل 4 کاربردهای موازی سازی بر اساس وظیفه (صفحات 104-136):
فصل 5 کاربرد موازی سازی بر اساس مؤلفه (صفحات 137-174):
فصل 6 مقدمه ای بر متا؟ الگوریتم‌ها (صفحات 175–240):
فصل 7 اول؟ ترتیب متا؟ الگوریتم‌ها و کاربردهای آن‌ها (صفحه‌های 241–271):
فصل 8 دوم؟ ترتیب متا؟ الگوریتم‌ها و کاربردهای آن‌ها (صفحه‌های 272–309):
فصل 9 سوم؟ ترتیب متا؟ الگوریتم ها و کاربردهای آنها (صفحه های 310-341):
فصل 10 ساختن سیستم های قوی تر (صفحات 342-359):
فصل 11 آینده (صفحه های 360-368) :

The confluence of cloud computing, parallelism and advanced machine intelligence approaches has created a world in which the optimum knowledge system will usually be architected from the combination of two or more knowledge-generating systems. There is a need, then, to provide a reusable, broadly-applicable set of design patterns to empower the intelligent system architect to take advantage of this opportunity.

This book explains how to design and build intelligent systems that are optimized for changing system requirements (adaptability), optimized for changing system input (robustness), and optimized for one or more other important system  parameters (e.g., accuracy, efficiency, cost). It provides an overview of traditional parallel processing which is shown to consist primarily of task and component parallelism; before introducing meta-algorithmic parallelism which is based on combining two or more algorithms, classification engines or other systems.

Key features:

• Explains the entire roadmap for the design, testing, development, refinement, deployment and statistics-driven optimization of building systems for intelligence
• Offers an accessible yet thorough overview of machine intelligence, in addition to having a strong image processing focus
• Contains design patterns for parallelism, especially meta-algorithmic parallelism – simply conveyed, reusable and proven effective that can be readily included in the toolbox of experts in analytics, system architecture, big data, security and many other science and engineering disciplines
• Connects algorithms and analytics to parallelism, thereby illustrating a new way of designing intelligent systems compatible with the tremendous changes in the computing world over the past decade
• Discusses application of the approaches to a wide number of fields; primarily, document understanding, image understanding, biometrics and security printing
• Companion website contains sample code and data sets

Content:
Chapter 1 Introduction and Overview (pages 1–41):
Chapter 2 Parallel Forms of Parallelism (pages 42–72):
Chapter 3 Domain Areas: Where are These Relevant? (pages 73–103):
Chapter 4 Applications of Parallelism by Task (pages 104–136):
Chapter 5 Application of Parallelism by Component (pages 137–174):
Chapter 6 Introduction to Meta?Algorithmics (pages 175–240):
Chapter 7 First?Order Meta?Algorithmics and their Applications (pages 241–271):
Chapter 8 Second?Order Meta?Algorithmics and their Applications (pages 272–309):
Chapter 9 Third?Order Meta?Algorithmics and their Applications (pages 310–341):
Chapter 10 Building More Robust Systems (pages 342–359):
Chapter 11 The Future (pages 360–368):

Content: Machine generated contents note:  Chapter 1 Introduction and overview Chapter 2 Parallel forms of parallelism Chapter 3 Domain areas: where is this relevant? Chapter 4 Applications of parallelism by task Chapter 5 Application of parallelism by component Chapter 6 Introduction to meta-algorithmics Chapter 7 First-order meta-algorithmics & their applications Chapter 8 Second-order meta-algorithmics & their applications Chapter 9 Third-order meta-algorithmics & their applications Chapter 10 Building more robust systems Chapter 11 The future .