Autor Pourmohamad, Tony
|
|
Documentos disponibles escritos por este autor (1)
Hacer una sugerencia Refinar búsqueda
Título : Bayesian Optimization with Application to Computer Experiments Tipo de documento: documento electrónico Autores: Pourmohamad, Tony, Autor ; K. H. Lee, Herbert, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: X, 104 p. 64 ilustraciones, 56 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-82458-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Estadísticas Diseño experimental Aprendizaje automático Inferencia bayesiana Red bayesiana Diseño de experimentos Índice Dewey: 519.542 Resumen: Este libro presenta a los lectores la optimización bayesiana, destaca los avances en este campo y muestra sus aplicaciones exitosas en experimentos informáticos. El código R está disponible como material complementario en línea para la mayoría de los ejemplos incluidos, de modo que los lectores puedan comprender y reproducir mejor los métodos. Compacto y accesible, el volumen se divide en cuatro capítulos. El capítulo 1 presenta al lector el tema de los experimentos informáticos; Incluye una variedad de ejemplos en muchas industrias. El Capítulo 2 se centra en la tarea de construcción de modelos sustitutos y contiene una combinación de varios modelos sustitutos diferentes que se utilizan en las comunidades de modelado por computadora y aprendizaje automático. El Capítulo 3 presenta los conceptos centrales de la optimización bayesiana y analiza la optimización sin restricciones. El capítulo 4 pasa a la optimización restringida y muestra algunos de los métodos más novedosos encontrados en este campo. Será un compañero útil para investigadores y profesionales que trabajan con experimentos y modelos informáticos. Además, los lectores con experiencia en aprendizaje automático pero mínima experiencia en experimentos informáticos encontrarán en este libro un interesante estudio de caso sobre la aplicabilidad de la optimización bayesiana fuera del ámbito del aprendizaje automático. Nota de contenido: 1. Computer experiments -- 2. Surrogate models -- 3. Unconstrained optimization -- 4. Constrained optimization. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Bayesian Optimization with Application to Computer Experiments [documento electrónico] / Pourmohamad, Tony, Autor ; K. H. Lee, Herbert, Autor . - 1 ed. . - [s.l.] : Springer, 2021 . - X, 104 p. 64 ilustraciones, 56 ilustraciones en color.
ISBN : 978-3-030-82458-7
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Estadísticas Diseño experimental Aprendizaje automático Inferencia bayesiana Red bayesiana Diseño de experimentos Índice Dewey: 519.542 Resumen: Este libro presenta a los lectores la optimización bayesiana, destaca los avances en este campo y muestra sus aplicaciones exitosas en experimentos informáticos. El código R está disponible como material complementario en línea para la mayoría de los ejemplos incluidos, de modo que los lectores puedan comprender y reproducir mejor los métodos. Compacto y accesible, el volumen se divide en cuatro capítulos. El capítulo 1 presenta al lector el tema de los experimentos informáticos; Incluye una variedad de ejemplos en muchas industrias. El Capítulo 2 se centra en la tarea de construcción de modelos sustitutos y contiene una combinación de varios modelos sustitutos diferentes que se utilizan en las comunidades de modelado por computadora y aprendizaje automático. El Capítulo 3 presenta los conceptos centrales de la optimización bayesiana y analiza la optimización sin restricciones. El capítulo 4 pasa a la optimización restringida y muestra algunos de los métodos más novedosos encontrados en este campo. Será un compañero útil para investigadores y profesionales que trabajan con experimentos y modelos informáticos. Además, los lectores con experiencia en aprendizaje automático pero mínima experiencia en experimentos informáticos encontrarán en este libro un interesante estudio de caso sobre la aplicabilidad de la optimización bayesiana fuera del ámbito del aprendizaje automático. Nota de contenido: 1. Computer experiments -- 2. Surrogate models -- 3. Unconstrained optimization -- 4. Constrained optimization. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
