掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥77.4
加入購(gòu)物車
多目標(biāo)學(xué)習(xí)算法及其應(yīng)用 版權(quán)信息
- ISBN：9787030612618
- 條形碼：9787030612618 ; 978-7-03-061261-8
- 裝幀：一般輕型紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
多目標(biāo)學(xué)習(xí)算法及其應(yīng)用 本書特色
很多機(jī)器學(xué)習(xí)任務(wù)中具有多個(gè)沖突的目標(biāo)需要同時(shí)被優(yōu)化。基于群搜索策略的進(jìn)化算法在求解多目標(biāo)優(yōu)化問題領(lǐng)域得到了廣泛的應(yīng)用。多目標(biāo)機(jī)器學(xué)習(xí)在近幾年引起了廣泛的關(guān)注，并且得到快速的發(fā)展。但是多目標(biāo)機(jī)器學(xué)習(xí)在模型建立和優(yōu)化學(xué)習(xí)方面仍然存在很多瓶頸問題。本書工作圍繞多目標(biāo)機(jī)器學(xué)習(xí)新模型探索和多目標(biāo)學(xué)習(xí)算法設(shè)計(jì)展開。主要包括如下幾個(gè)方面：進(jìn)化算法概述；機(jī)器學(xué)習(xí)中的多目標(biāo)優(yōu)化問題；基于凸包的多目標(biāo)進(jìn)化優(yōu)化算法；多目標(biāo)學(xué)習(xí)算法在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)優(yōu)化方面的應(yīng)用；多目標(biāo)學(xué)習(xí)算法在郵件檢測(cè)問題中的應(yīng)用；多目標(biāo)學(xué)習(xí)算法遙感圖像變化檢測(cè)中的應(yīng)用。
多目標(biāo)學(xué)習(xí)算法及其應(yīng)用 內(nèi)容簡(jiǎn)介
很多機(jī)器學(xué)習(xí)任務(wù)中有多個(gè)沖突的目標(biāo)需要同時(shí)被優(yōu)化，基于群搜索策略的進(jìn)化算法在求解多目標(biāo)優(yōu)化問題領(lǐng)域得到了廣泛的應(yīng)用。多目標(biāo)機(jī)器學(xué)習(xí)在近幾年引起了廣泛的關(guān)注，并且得到快速的發(fā)展。但是多目標(biāo)機(jī)器學(xué)習(xí)在模型建立和優(yōu)化學(xué)習(xí)方面仍然存在很多瓶頸問題。《多目標(biāo)學(xué)習(xí)算法及其應(yīng)用》內(nèi)容圍繞多目標(biāo)機(jī)器學(xué)習(xí)新模型探索和多目標(biāo)學(xué)習(xí)算法設(shè)計(jì)展開，主要包括：多目標(biāo)學(xué)習(xí)基礎(chǔ)、基于三維凸包的進(jìn)化多目標(biāo)優(yōu)化算法、基于三維增量凸包的進(jìn)化多目標(biāo)優(yōu)化算法、進(jìn)化多目標(biāo)稀疏集成學(xué)習(xí)、多目標(biāo)稀疏神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、多目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法、基于多目標(biāo)學(xué)習(xí)的垃圾郵件檢測(cè)，以及多目標(biāo)深度卷積生成式對(duì)抗網(wǎng)絡(luò)。
多目標(biāo)學(xué)習(xí)算法及其應(yīng)用 目錄
目錄
《智能科學(xué)技術(shù)著作叢書》序
前言
第1章多目標(biāo)學(xué)習(xí)基礎(chǔ) 1
1.1 進(jìn)化計(jì)算 1
1.1.1 遺傳算法 2
1.1.2 進(jìn)化規(guī)劃 5
1.1.3 進(jìn)化策略 7
1.2 *優(yōu)化方法 8
1.2.1 單目標(biāo)優(yōu)化問題 8
1.2.2 多目標(biāo)優(yōu)化問題 9
1.2.3 高維多目標(biāo)優(yōu)化問題 10
1.3 機(jī)器學(xué)習(xí) 11
1.4 多目標(biāo)學(xué)習(xí) 12
1.5 本章小結(jié) 15
參考文獻(xiàn) 15
第2章基于三維凸包的進(jìn)化多目標(biāo)優(yōu)化算法 18
2.1 引言 18
2.2 相關(guān)工作 20
2.3 增廣DET圖和多目標(biāo)優(yōu)化問題 21
2.3.1 增廣DET圖和多目標(biāo)分類器 22
2.3.2 ADCH*大化和多目標(biāo)優(yōu)化 24
2.4 基于三維凸包的進(jìn)化多目標(biāo)優(yōu)化算法描述 26
2.4.1 基于非冗余三維凸包的排序算法 27
2.4.2 基于VAS貢獻(xiàn)度的選擇策略 28
2.4.3 算法框架 29
2.4.4 算法計(jì)算復(fù)雜度分析 31
2.5 人工設(shè)計(jì)測(cè)試問題實(shí)驗(yàn) 31
2.5.1 ZEJD問題設(shè)計(jì) 32
2.5.2 評(píng)價(jià)準(zhǔn)則 34
2.5.3 參數(shù)設(shè)置 35
2.5.4 結(jié)果和分析 35
2.6 本章小結(jié) 46
參考文獻(xiàn) 46
第3章基于三維凸包的進(jìn)化多目標(biāo)優(yōu)化快速算法 50
3.1 引言 50
3.2 相關(guān)工作 51
3.3 基于三維凸包的進(jìn)化多目標(biāo)優(yōu)化快速算法描述 53
3.3.1 基于三維增量凸包的排序算法 53
3.3.2 基于年齡的選擇策略 55
3.3.3ΔVAS快速計(jì)算方法 56
3.3.4 增量凸包構(gòu)造算法 60
3.3.5 算法計(jì)算復(fù)雜度分析 61
3.4 實(shí)驗(yàn)研究 63
3.4.13 DFCH-EMOA和多種EMOA對(duì)比 63
3.4.23 DFCH-EMOA和3DCH-EMOA對(duì)比 83
3.4.3 基于年齡的選擇策略和隨機(jī)選擇策略對(duì)比 89
3.5 本章小結(jié) 89
參考文獻(xiàn) 90
第4章進(jìn)化多目標(biāo)稀疏集成學(xué)習(xí) 93
4.1 引言 93
4.2 相關(guān)工作 95
4.3 多目標(biāo)稀疏集成學(xué)習(xí)過程 96
4.3.1 稀疏集成學(xué)習(xí) 96
4.3.2 多目標(biāo)集成學(xué)習(xí) 98
4.3.3 增廣DET凸包*大化 98
4.3.4 稀疏實(shí)數(shù)編碼 101
4.4 實(shí)驗(yàn)研究 102
4.4.1 基于C4.5 和裝袋策略的實(shí)驗(yàn)結(jié)果 103
4.4.2 基于CART和隨機(jī)子空間的實(shí)驗(yàn)結(jié)果 115
4.4.3 多目標(biāo)稀疏集成算法與五種修剪算法對(duì)比 124
4.5 本章小結(jié) 127
參考文獻(xiàn) 127
第5章多目標(biāo)稀疏神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) 131
5.1 引言 131
5.2 神經(jīng)網(wǎng)絡(luò) 132
5.3 多目標(biāo)稀疏神經(jīng)網(wǎng)絡(luò)參數(shù)學(xué)習(xí) 136
5.3.1 UCI數(shù)據(jù)集 137
5.3.2 對(duì)比算法 137
5.3.3 參數(shù)設(shè)置 137
5.3.4 結(jié)果和分析 138
5.4 多目標(biāo)稀疏神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)修剪 142
5.4.1 UCI數(shù)據(jù)集 143
5.4.2 對(duì)比算法 144
5.4.3 參數(shù)設(shè)置 144
5.4.4 結(jié)果和分析 144
5.5 本章小結(jié) 146
參考文獻(xiàn) 146
第6章多目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法 147
6.1 引言 147
6.2 相關(guān)工作 149
6.2.1 卷積神經(jīng)網(wǎng)絡(luò) 149
6.2.2 雙檔案高維多目標(biāo)進(jìn)化算法 152
6.3 高維多目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)模型 153
6.3.1 多類別DET超平面 153
6.3.2 MaO-CNN模型描述 155
6.3.3 MaO-CNN模型學(xué)習(xí)算法 156
6.4 實(shí)驗(yàn)研究 159
6.4.1 數(shù)據(jù)集描述 159
6.4.2 實(shí)驗(yàn)對(duì)比算法 161
6.4.3 評(píng)價(jià)準(zhǔn)則 161
6.4.4 參數(shù)設(shè)置 161
6.4.5 結(jié)果和分析 162
6.5 本章小結(jié) 166
參考文獻(xiàn) 167
第7章基于多目標(biāo)學(xué)習(xí)的垃圾郵件檢測(cè) 169
7.1 引言 169
7.2 多目標(biāo)垃圾郵件檢測(cè)模型 171
7.2.1 問題定義 171
7.2.2 進(jìn)化算法在郵件檢測(cè)問題中的應(yīng)用 172
7.2.3 多目標(biāo)優(yōu)化算法進(jìn)展 173
7.2.4 垃圾郵件檢測(cè)數(shù)據(jù)集 175
7.3 實(shí)驗(yàn)研究 176
7.3.1 多目標(biāo)郵件檢測(cè)模型 176
7.3.2 實(shí)驗(yàn)參數(shù)設(shè)置 177
7.4 實(shí)驗(yàn)研究 178
7.4.1 結(jié)果和分析 179
7.4.2 多目標(biāo)垃圾郵件檢測(cè)系統(tǒng)部署 184
7.5 本章小結(jié) 185
參考文獻(xiàn) 185
第8章多目標(biāo)深度卷積生成式對(duì)抗網(wǎng)絡(luò) 187
8.1 引言 187
8.2 相關(guān)工作 188
8.2.1 生成式對(duì)抗網(wǎng)絡(luò) 188
8.2.2 深度卷積生成式對(duì)抗網(wǎng)絡(luò) 189
8.3 多目標(biāo)深度卷積生成式對(duì)抗網(wǎng)絡(luò)模型 190
8.3.1 模型設(shè)計(jì) 190
8.3.2 群搜索策略 191
8.3.3 基于Pareto占優(yōu)的選擇策略 192
8.3.4 交叉算子設(shè)計(jì) 193
8.3.5 MO-DCGAN學(xué)習(xí)框架 194
8.4 實(shí)驗(yàn)研究 195
8.4.1 參數(shù)設(shè)置 195
8.4.2 結(jié)果和分析 196
8.5 本章小結(jié) 205
參考文獻(xiàn) 206
第9章總結(jié)和展望 208
9.1 本書主要工作總結(jié) 208
9.2 工作展望 210
《智能科學(xué)技術(shù)著作叢書》序
前言
第1章多目標(biāo)學(xué)習(xí)基礎(chǔ) 1
1.1 進(jìn)化計(jì)算 1
1.1.1 遺傳算法 2
1.1.2 進(jìn)化規(guī)劃 5
1.1.3 進(jìn)化策略 7
1.2 *優(yōu)化方法 8
1.2.1 單目標(biāo)優(yōu)化問題 8
1.2.2 多目標(biāo)優(yōu)化問題 9
1.2.3 高維多目標(biāo)優(yōu)化問題 10
1.3 機(jī)器學(xué)習(xí) 11
1.4 多目標(biāo)學(xué)習(xí) 12
1.5 本章小結(jié) 15
參考文獻(xiàn) 15
第2章基于三維凸包的進(jìn)化多目標(biāo)優(yōu)化算法 18
2.1 引言 18
2.2 相關(guān)工作 20
2.3 增廣DET圖和多目標(biāo)優(yōu)化問題 21
2.3.1 增廣DET圖和多目標(biāo)分類器 22
2.3.2 ADCH*大化和多目標(biāo)優(yōu)化 24
2.4 基于三維凸包的進(jìn)化多目標(biāo)優(yōu)化算法描述 26
2.4.1 基于非冗余三維凸包的排序算法 27
2.4.2 基于VAS貢獻(xiàn)度的選擇策略 28
2.4.3 算法框架 29
2.4.4 算法計(jì)算復(fù)雜度分析 31
2.5 人工設(shè)計(jì)測(cè)試問題實(shí)驗(yàn) 31
2.5.1 ZEJD問題設(shè)計(jì) 32
2.5.2 評(píng)價(jià)準(zhǔn)則 34
2.5.3 參數(shù)設(shè)置 35
2.5.4 結(jié)果和分析 35
2.6 本章小結(jié) 46
參考文獻(xiàn) 46
第3章基于三維凸包的進(jìn)化多目標(biāo)優(yōu)化快速算法 50
3.1 引言 50
3.2 相關(guān)工作 51
3.3 基于三維凸包的進(jìn)化多目標(biāo)優(yōu)化快速算法描述 53
3.3.1 基于三維增量凸包的排序算法 53
3.3.2 基于年齡的選擇策略 55
3.3.3ΔVAS快速計(jì)算方法 56
3.3.4 增量凸包構(gòu)造算法 60
3.3.5 算法計(jì)算復(fù)雜度分析 61
3.4 實(shí)驗(yàn)研究 63
3.4.13 DFCH-EMOA和多種EMOA對(duì)比 63
3.4.23 DFCH-EMOA和3DCH-EMOA對(duì)比 83
3.4.3 基于年齡的選擇策略和隨機(jī)選擇策略對(duì)比 89
3.5 本章小結(jié) 89
參考文獻(xiàn) 90
第4章進(jìn)化多目標(biāo)稀疏集成學(xué)習(xí) 93
4.1 引言 93
4.2 相關(guān)工作 95
4.3 多目標(biāo)稀疏集成學(xué)習(xí)過程 96
4.3.1 稀疏集成學(xué)習(xí) 96
4.3.2 多目標(biāo)集成學(xué)習(xí) 98
4.3.3 增廣DET凸包*大化 98
4.3.4 稀疏實(shí)數(shù)編碼 101
4.4 實(shí)驗(yàn)研究 102
4.4.1 基于C4.5 和裝袋策略的實(shí)驗(yàn)結(jié)果 103
4.4.2 基于CART和隨機(jī)子空間的實(shí)驗(yàn)結(jié)果 115
4.4.3 多目標(biāo)稀疏集成算法與五種修剪算法對(duì)比 124
4.5 本章小結(jié) 127
參考文獻(xiàn) 127
第5章多目標(biāo)稀疏神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) 131
5.1 引言 131
5.2 神經(jīng)網(wǎng)絡(luò) 132
5.3 多目標(biāo)稀疏神經(jīng)網(wǎng)絡(luò)參數(shù)學(xué)習(xí) 136
5.3.1 UCI數(shù)據(jù)集 137
5.3.2 對(duì)比算法 137
5.3.3 參數(shù)設(shè)置 137
5.3.4 結(jié)果和分析 138
5.4 多目標(biāo)稀疏神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)修剪 142
5.4.1 UCI數(shù)據(jù)集 143
5.4.2 對(duì)比算法 144
5.4.3 參數(shù)設(shè)置 144
5.4.4 結(jié)果和分析 144
5.5 本章小結(jié) 146
參考文獻(xiàn) 146
第6章多目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法 147
6.1 引言 147
6.2 相關(guān)工作 149
6.2.1 卷積神經(jīng)網(wǎng)絡(luò) 149
6.2.2 雙檔案高維多目標(biāo)進(jìn)化算法 152
6.3 高維多目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)模型 153
6.3.1 多類別DET超平面 153
6.3.2 MaO-CNN模型描述 155
6.3.3 MaO-CNN模型學(xué)習(xí)算法 156
6.4 實(shí)驗(yàn)研究 159
6.4.1 數(shù)據(jù)集描述 159
6.4.2 實(shí)驗(yàn)對(duì)比算法 161
6.4.3 評(píng)價(jià)準(zhǔn)則 161
6.4.4 參數(shù)設(shè)置 161
6.4.5 結(jié)果和分析 162
6.5 本章小結(jié) 166
參考文獻(xiàn) 167
第7章基于多目標(biāo)學(xué)習(xí)的垃圾郵件檢測(cè) 169
7.1 引言 169
7.2 多目標(biāo)垃圾郵件檢測(cè)模型 171
7.2.1 問題定義 171
7.2.2 進(jìn)化算法在郵件檢測(cè)問題中的應(yīng)用 172
7.2.3 多目標(biāo)優(yōu)化算法進(jìn)展 173
7.2.4 垃圾郵件檢測(cè)數(shù)據(jù)集 175
7.3 實(shí)驗(yàn)研究 176
7.3.1 多目標(biāo)郵件檢測(cè)模型 176
7.3.2 實(shí)驗(yàn)參數(shù)設(shè)置 177
7.4 實(shí)驗(yàn)研究 178
7.4.1 結(jié)果和分析 179
7.4.2 多目標(biāo)垃圾郵件檢測(cè)系統(tǒng)部署 184
7.5 本章小結(jié) 185
參考文獻(xiàn) 185
第8章多目標(biāo)深度卷積生成式對(duì)抗網(wǎng)絡(luò) 187
8.1 引言 187
8.2 相關(guān)工作 188
8.2.1 生成式對(duì)抗網(wǎng)絡(luò) 188
8.2.2 深度卷積生成式對(duì)抗網(wǎng)絡(luò) 189
8.3 多目標(biāo)深度卷積生成式對(duì)抗網(wǎng)絡(luò)模型 190
8.3.1 模型設(shè)計(jì) 190
8.3.2 群搜索策略 191
8.3.3 基于Pareto占優(yōu)的選擇策略 192
8.3.4 交叉算子設(shè)計(jì) 193
8.3.5 MO-DCGAN學(xué)習(xí)框架 194
8.4 實(shí)驗(yàn)研究 195
8.4.1 參數(shù)設(shè)置 195
8.4.2 結(jié)果和分析 196
8.5 本章小結(jié) 205
參考文獻(xiàn) 206
第9章總結(jié)和展望 208
9.1 本書主要工作總結(jié) 208
9.2 工作展望 210
展開全部
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
朝聞道
- >
二體千字文
- >
中國(guó)歷史的瞬間
- >
推拿
- >
名家?guī)阕x魯迅:朝花夕拾
- >
我與地壇
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
本類暢銷
