Достижения в Swarm Intelligence
Анупам Бисвас, Джан Б. Калайджи, Сейедали Мирджалили
Идея роевого интеллекта была определена в 1989 г. в научном сообществе в контексте клеточных роботизированных систем, но описана ранее (1964 г.) в научной фантастике.
Короче говоря, системы роевого интеллекта содержат множество боидов (агентов), взаимодействующих друг с другом и с окружающей средой. У каждого боида есть набор простых правил, и в системе нет центрального «мозга». Но локальные случайные взаимодействия между боидами создают поведение системы, которое можно назвать «интеллектуальным» и которое не поддается контролю для одного боида.
Роевой интеллект является частью вдохновленных природой алгоритмов и часто используется для оптимизации, например, Ant Colony. Оптимизация (ACO), оптимизация роя частиц (PSO), искусственная пчелиная колония (ABC) и оптимизация роя светлячков (GSO).
В этой книге есть вводная глава, инженерная глава и глава о машинном обучении, которые должны охватывать все аспекты темы.
Устойчивые умные города
Прадип Кумар Сингх, Марчин Папжицки, Мохамад Эссааиди, Шахрам Рахими
Умные города, по большей части, не очень «умные» для разработчика искусственного интеллекта. Обычно алгоритмы городского уровня сильно отстают от недавних исследований. Конечно, корень этого — бюрократия и высокая стоимость улучшений, поэтому изменения в настоящее время происходят довольно медленно. Но давайте подумаем, как можно применить современные решения к умным городам.
В этой книге рассматриваются темы Интернета вещей, Блокчейна и других новейших технологий.
Эмоциональный искусственный интеллект и метавселенная
Роджер Ли
Наверное, у каждого разработчика был период в карьере (или учебе), когда он мечтал поучаствовать в изобретении эмоционального ИИ. Не многим из нас удалось осуществить эти романтические мечты, но с недавно анонсированными метавселенными мы можем снова заинтересоваться этой областью.
В этой книге представлены научные результаты 1-го Международного симпозиума ACIS по эмоциональному искусственному интеллекту и метавселенной, в котором приняли участие исследователи, и ее определенно стоит прочитать, поскольку у этой технологии многообещающее будущее.
Справочник по принятию решений. Тенденции и проблемы в интеллектуальных системах поддержки принятия решений.
Хулиан Андрес Сапата-Кортес, Куаутемок Санчес-Рамирес, Хинер Алор-Эрнандес, Хорхе Луис Гарсия-Алькарас
Теория и системы поддержки принятия решений была моим любимым предметом в университете и, как мне кажется, наиболее применимым в повседневной жизни, поэтому я не могла пройти мимо этой книги. Эта книга не для новичков, так как представляет собой набор статей для конференций, на самом деле она рекомендуется для докторов наук. уровень. Но вы можете найти здесь много жизненных примеров, таких как прогнозирование цены биткойна, обнаружение аритмии с помощью Интернета вещей или обнаружение эмоций в обучающей среде с использованием выражений лица.
Вдохновленные природой интеллектуальные вычислительные методы в биоинформатике
Халид Раза
Вдохновленные природой вычисления (NIC) могут быть очень интересной областью для тех, кто считает, что технологии противостоят природе.
Эта книга охватывает будущие перспективы методов NIC в биоинформатике, таких как геномное профилирование, персонализированные терапевтические осложнения, устойчивость бактериальных патогенов к противомикробным препаратам, компьютерный дизайн лекарств, обнаружение рака, биомаркеры заболеваний и другие темы, которые могут вдохновить любого разработчика, который надоели бизнес-задачи, не представляющие реальной ценности для человечества.
Мультимодальный ИИ в здравоохранении
Араш Шабан-Нежад, Мартин Михаловски, Симона Бьянко
Еще одна книга об искусственном интеллекте в здравоохранении, так как это одна из самых прибыльных областей, которая стала еще более уважаемой после вспышки COVID-19.
Эта книга содержит избранные документы, представленные на семинаре Health Intelligence 2022 года и связанном с ним Data Hackathon/Challenge, организованном совместно с Тридцать шестой ассоциацией по развитию искусственного интеллекта (AAAI).
Инженерные приложения современной метаэвристики
Таймаз Акан, Ахмед М. Антер, А. Шима Этанер-Уяр, Диего Олива
Метаэвристика — это независимая от проблем алгоритмическая структура высокого уровня, которая предоставляет набор рекомендаций или стратегий для разработки алгоритмов эвристической оптимизации (Sörensen and Glover, 2013). Алгоритмы не зависят от конкретной задачи, являются приблизительными и обычно недетерминированными.
Эта книга представляет собой сборник различных методологий, которые позволяют использовать метаэвристику и гиперэвристику для решения проблем, возникающих в реальном мире. Области применения варьируются от обработки изображений до управления мощностью передачи, в некоторых главах представлены передовые методы управления частотой нагрузки и реализации IoT. В этой книге исследователи использовали несколько методов стохастической оптимизации, в том числе эволюционные алгоритмы и алгоритмы на основе Swarm.
Прогнозирующая безопасность данных с использованием ИИ. Идеи и проблемы блокчейна, Интернета вещей и DevOps
Хирен Кумар Таккар, Маянк Сварнкар, Робин Сингх Бхадория
Безопасность данных и искусственный интеллект? Может быть, это не так очевидно, но почему бы и нет?
В этой книге обсуждаются аспекты безопасности новейших технологий, таких как Blockchain, IoT и DevOps, а также способы их эффективного решения с использованием интеллектуальных методов. Более того, алгоритмы машинного обучения (ML) и глубокого обучения (DL) также не защищены и часто используются злоумышленниками для кражи данных, и в этой книге предлагаются новые решения для противодействия атакам.
Объяснимый пограничный ИИ: перспектива футуристических вычислений
Абул Элла Хассаниен, Дипак Гупта, Анудж Кумар Сингх, Анкит Гарг
Вопросы прозрачности, справедливости, подотчетности, объяснимости, интерпретируемости, объединения данных и понятности важны для периферийного ИИ. Объяснимый ИИ (XAI) — это набор процессов и методов, которые позволяют пользователям понимать и доверять результатам и выводам, созданным алгоритмами машинного обучения, а также улучшать алгоритмы и производительность в конечном результате. В футуристическом сценарии вычислений целью объяснимого ИИ (XAI) будет выполнение задач ИИ и получение объяснимых результатов на периферии.
Моделирование системы управления временными рядами AI
Тюдзо Нинагава
Бьюсь об заклад, предсказания временных рядов были одним из первых в ваших любимых проектах, когда вы пытались обнаружить модели фондового рынка и предсказать будущие цены акций. Но, конечно, временные ряды разбросаны гораздо шире.
В этой книге объясняется, как создавать модели управления на основе данных временных рядов с помощью машинного обучения. Важно предсказать переход от настоящего к будущему на основе временной истории каждой переменной в целевой системе и манипулировать системой для достижения желаемого изменения.
