لایب سان

This book shows how wavelets can be used to enhance computational intelligence for chaotic and complex pattern recognition problems.  By integrating wavelets with other soft computing techniques such as neurocomputing and fuzzy logic, complicated and noisy pattern recognition problems can be solved effectively. The book focuses on applications in intelligent transportation systems (ITS) where a number of very complicated pattern recognition problems have eluded researchers over the past few decades.

Advancing the frontiers of computational intelligence, this book:

• Describes ingenious computational models based on novel problem solving and computing techniques such as Case-Based Reasoning, Neurocomputing, and Wavelets, and presents examples to illustrate their importance and use.
• Presents a multi-paradigm intelligent systems approach to the freeway traffic incident detection and construction work zone management problems.
• Advocates application and integration of wavelets, neural networks and fuzzy logic for modeling the complex traffic flow behaviors leading to effective and efficient control and management solutions.
• Presents efficient, reliable, and robust algorithms for automatic detection of incidents on freeways.

Wavelets in Intelligent Transportation Systems is an invaluable resource for computational intelligence researchers and transportation engineers involved in the application of advanced computational techniques for ITS.

چکیده فارسی

این کتاب نشان می‌دهد که چگونه می‌توان از موجک‌ها برای تقویت هوش محاسباتی برای مشکلات تشخیص الگوی آشفته و پیچیده استفاده کرد. با ادغام موجک ها با سایر تکنیک های محاسباتی نرم مانند محاسبات عصبی و منطق فازی، مشکلات تشخیص الگوی پیچیده و نویز را می توان به طور موثر حل کرد. این کتاب بر روی کاربردها در سیستم‌های حمل و نقل هوشمند (ITS) تمرکز دارد که در آن تعدادی از مشکلات تشخیص الگوی بسیار پیچیده طی چند دهه گذشته محققین را از دست داده‌اند.

پیشبرد مرزهای هوش محاسباتی، این کتاب:

• مدل‌های محاسباتی مبتکرانه مبتنی بر حل مسئله و تکنیک‌های محاسباتی جدید مانند استدلال مبتنی بر مورد، محاسبات عصبی، و موجک‌ها را توصیف می‌کند و مثال‌هایی را برای نشان دادن اهمیت و کاربرد آنها ارائه می‌کند.
• رویکرد سیستم‌های هوشمند چند پارادایم برای شناسایی حوادث ترافیکی آزادراه و مشکلات مدیریت منطقه کار ساخت و ساز ارائه می‌کند.
• از کاربرد و یکپارچه‌سازی موجک‌ها، شبکه‌های عصبی و منطق فازی برای مدل‌سازی رفتارهای پیچیده جریان ترافیک که منجر به راه‌حل‌های کنترل و مدیریت مؤثر و کارآمد می‌شود، حمایت می‌کند.
• الگوریتم‌های کارآمد، قابل اعتماد و قوی را برای تشخیص خودکار حوادث در آزادراه‌ها ارائه می‌کند.

موجک‌ها در سیستم‌های حمل و نقل هوشمند منبعی ارزشمند برای محققان هوش محاسباتی و مهندسین حمل‌ونقل است که در کاربرد تکنیک‌های محاسباتی پیشرفته برای ITS مشارکت دارند.