На нашем ресурсе вы можете полностью погрузиться в мир книги «Искусственный интеллект. Основные понятия» — читайте её онлайн бесплатно в полной, несокращённой версии. Если предпочитаете слушать — воспользуйтесь аудиоформатом; хотите сохранить — скачайте через торрент в fb2. Жанр произведения — Знания и навыки, Компьютерная литература, Программирование. Также на странице доступно подробное описание, авторская аннотация, краткое содержание и живые отзывы читателей. Мы постоянно пополняем библиотеку и улучшаем сервис, чтобы создавать лучшее пространство для всех ценителей качественной литературы.
Искусственный интеллект. Основные понятия

Автор
Дата выхода
20 февраля 2024
🔍 Загляните за кулисы "Искусственный интеллект. Основные понятия" — аннотация, авторский взгляд и ключевые моменты
Перед погружением в полный текст предлагаем познакомиться с произведением поближе. Здесь собраны авторские заметки, аннотация и краткое содержание "Искусственный интеллект. Основные понятия" — всё, что поможет понять глубину замысла и подготовиться к чтению. Материалы представлены в оригинальной авторской редакции (Джейд Картер) и сохраняют аутентичность произведения. Если чего-то не хватает — сообщите нам в комментариях, и мы дополним описание. Читайте мнения других участников сообщества: их отзывы часто раскрывают скрытые смыслы и добавляют новые грани понимания. А после прочтения обязательно вернитесь сюда — ваш отзыв станет ценным вкладом в общее обсуждение книги.
Описание книги
Книга представляет собой введение в мир искусственного интеллекта (ИИ). В ней рассматриваются ключевые концепции, методы и технологии, используемые в области ИИ, начиная от базовых алгоритмов машинного обучения и нейронных сетей, и заканчивая более сложными темами, такими как глубокое обучение и рекуррентные нейронные сети. Автор пошагово объясняют основные принципы работы различных подходов к ИИ и предоставляют читателям практические примеры и задания для углубления понимания материала. Эта книга предназначена как для студентов и исследователей, интересующихся темой ИИ, так и для практикующих специалистов, желающих расширить свои знания в этой области.
📚 Читайте "Искусственный интеллект. Основные понятия" онлайн — полный текст книги доступен бесплатно
Перед вами — полная электронная версия книги "Искусственный интеллект. Основные понятия", адаптированная для комфортного онлайн-чтения. Мы разбили произведение на страницы для удобной навигации, а умная система запоминает, на какой странице вы остановились — можно закрыть браузер и вернуться к чтению позже, не тратя время на поиски. Персонализируйте процесс: меняйте шрифты, размер текста и фон под свои предпочтения. Погружайтесь в мир литературы где угодно и когда угодно — любимые книги теперь всегда под рукой.
Текст книги
sum(tasks_distribution)
# Применение операторов мутации и скрещивания для создания новых кандидатов
def mutation(tasks_distribution):
mutated_tasks_distribution = tasks_distribution.copy()
server_index = np.random.randint(len(tasks_distribution))
task_index = np.random.randint(len(tasks_distribution[0]))
mutated_tasks_distribution[server_index][task_index] = np.random.randint(0, 100)
return mutated_tasks_distribution
def crossover(parent1, parent2):
child = parent1.
for i in range(len(parent1)):
for j in range(len(parent1[0])):
if np.random.rand() > 0.5:
child[i][j] = parent2[i][j]
return child
def replace_worst_part(population, new_candidates):
fitness_values = [network_load(tasks_distribution) for tasks_distribution in population]
sorted_indices = np.argsort(fitness_values)
worst_part_indices = sorted_indices[-len(new_candidates):]
for i, index in enumerate(worst_part_indices):
population[index] = new_candidates[i]
return population
# Определение параметров задачи и алгоритма
num_servers = 3
num_tasks = 5
population_size = 10
num_generations = 100
# Инициализация начальной популяции
population = [np.
# Основной цикл генетического алгоритма
for generation in range(num_generations):
# Оценка приспособленности текущей популяции
fitness_values = [network_load(tasks_distribution) for tasks_distribution in population]
# Выбор лучших кандидатов для скрещивания
sorted_indices = np.
best_candidates = [population[i] for i in sorted_indices[:population_size // 2]]
# Создание новых кандидатов с помощью скрещивания и мутации
new_candidates = []
for _ in range(population_size // 2):
parent1 = random.
parent2 = random.choice(best_candidates)
child = crossover(parent1, parent2)
if np.random.rand() < 0.5:
child = mutation(child)
new_candidates.append(child)
# Замена худшей части популяции на новых кандидатов
population = replace_worst_part(population, new_candidates)
# Вывод лучшего результата
best_solution = population[np.











