掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
買過本商品的人還買了
量子計算智能 版權信息
- ISBN：9787560653495
- 條形碼：9787560653495 ; 978-7-5606-5349-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
量子計算智能 本書特色
本書可為人工智能、計算機科學、信息科學、自動化技術等領域及其交叉領域中從事量子計算、進化算法、機器學習及相關應用研究的技術人員提供參考，也可作為相關專業研究生和高年級本科生教材，其中前四部分為基礎理論適合本科生使用，后四部分為高階算法適合研究生使用。
量子計算智能 內容簡介
本書在總結自然計算領域主要理論研究和實際應用成果的基礎上, 著重對近年來量子計算智能領域常見的理論及技術進行了較為全面的闡述, 并結合作者多年的研究成果, 對相關理論及技術在應用領域的實踐情況進行了展示和總結。全書從優化和學習兩個方面展開, 分為八章, 主要內容包括進化計算、群體智能算法、量子進化計算、量子粒子群優化, 以及基于量子智能優化的數據聚類、數據分類、網絡學習和相關應用。
量子計算智能 目錄
第1章 進化計算 1
1.1 進化計算概述 1
1.1.1 基本原理 4
1.1.2 進化計算的一般框架 7
1.1.3 進化計算研究現狀 8
1.1.4 進化計算典型算法 10
1.2 人工免疫系統 13
1.2.1 基本原理 14
1.2.2 人工免疫系統研究現狀 17
本章參考文獻 20
第2章 群體智能算法 25
2.1 群體智能概述 25
2.2 蟻群優化算法 27
2.2.1 基本原理 27
2.2.2 蟻群算法理論研究現狀 28
2.2.3 蟻群算法應用研究現狀 29
2.3 粒子群優化算法 30
2.3.1 基本原理 31
2.3.2 粒子群算法的理論研究現狀 32
2.3.3 粒子群算法的應用研究現狀 34
本章參考文獻 34
第3章 量子進化計算 42
3.1 量子進化計算 42
3.1.1 基本概念 43
3.1.2 量子進化算法 44
3.2 量子克隆進化計算 52
3.2.1 基本概念 53
3.2.2 量子克隆進化算法 54
3.2.3 量子克隆進化算法的結構框架 57
3.2.4 量子克隆進化算法的收斂性 59
3.2.5 量子克隆進化算法仿真 61
3.2.6 量子克隆進化算法的并行實現 66
3.3 量子免疫克隆多目標優化算法 67
3.3.1 多目標優化 67
3.3.2 量子免疫克隆多目標優化算法 73
3.3.3 算法分析 76
3.3.4 實驗結果及分析 78
3.4 結論與討論 92
本章參考文獻 92
第4章 量子粒子群優化 96
4.1 量子粒子群算法基礎 96
4.1.1 量子粒子群優化算法 96
4.1.2 量子粒子群優化算法的改進算法 98
4.2 基于協作學習的單目標量子粒子群優化 100
4.2.1 協作學習策略 100
4.2.2 基于協作學習策略的量子粒子群算法框架及實現 103
4.2.3 實驗結果及分析 105
4.3 基于記憶策略的動態單目標量子粒子群優化 118
4.3.1 動態優化環境下的記憶策略 119
4.3.2 基于記憶策略的動態單目標量子粒子群算法框架實現 120
4.3.3 實驗結果及分析 124
4.4 基于MapReduce的量子行為的粒子群優化算法 131
4.4.1 量子行為的粒子群優化算法 131
4.4.2 MRQPSO算法 132
4.4.3 實驗結果及分析 135
4.5 結論與討論 140
本章參考文獻 140
第5章 基于量子智能優化的數據聚類 145
5.1 基于核熵成分分析的量子聚類算法 145
5.1.1 量子聚類算法 145
5.1.2 基于核熵成分分析的量子聚類算法 147
5.1.3 實驗結果及分析 153
5.2 基于量子粒子群的軟子空間聚類算法 165
5.2.1 QPSO算法 166
5.2.2 QPSOSC算法 168
5.2.3 實驗結果及分析 171
5.3 結論與討論 178
本章參考文獻 179
第6章 基于量子智能優化的數據分類 181
6.1 基于量子粒子群的*近鄰原型數據分類 181
6.1.1 數據分類方法簡介 181
6.1.2 K近鄰分類概述 185
6.1.3 基于量子粒子群的*近鄰原型的數據分類 187
6.1.4 實驗結果及分析 189
6.2 改進的量子粒子群的*近鄰原型數據分類 196
6.2.1 基于多次塌陷-正交交叉量子粒子群的*近鄰原型算法的數據分類 196
6.2.2 實驗結果及分析 198
6.3 結論與討論 206
本章參考文獻 206
第7章 基于量子智能優化的網絡學習 208
7.1 基于量子進化算法的超參數優化 208
7.1.1 常用的機器學習模型 208
7.1.2 常用的優化算法 213
7.1.3 基于單個體量子遺傳算法的超參數優化 220
7.1.4 實驗設計及結果分析 223
7.2 基于量子多目標的稀疏受限玻爾茲曼機學習算法 227
7.2.1 引言 227
7.2.2 相關理論背景 227
7.2.3 基于量子多目標的稀疏受限玻爾茲曼機學習算法 234
7.2.4 基于量子多目標優化的稀疏深度信念網絡 238
7.2.5 實驗結果及分析 238
7.3 基于量子蟻群優化算法的復雜網絡社區檢測 245
7.3.1 引言 245
7.3.2 基于量子蟻群優化算法的社區結構檢測算法 246
7.3.3 實驗結果及分析 252
7.4 討論與結論 264
本章參考文獻 265
第8章 基于量子智能優化的應用 273
8.1 基于文化進化機制和多觀測策略的多目標量子粒子群調度優化算法 273
8.1.1 引言 273
8.1.2 EED問題模型 274
8.1.3 基于文化進化機制和多觀測策略的多目標量子粒子群算法框架及實現 275
8.1.4 基于CMOQPSO的環境/經濟調度優化 281
8.1.5 實驗結果及分析 282
8.2 基于量子多目標進化聚類算法的圖像分割 295
8.2.1 基于量子多目標進化聚類算法的圖像分割 295
8.2.2 實驗結果及分析 299
8.3 基于多背景變量協同量子粒子群優化及醫學圖像分割 308
8.3.1 背景變量概述 308
8.3.2 多背景變量協同量子粒子群算法 308
8.3.3 基于多背景協同量子粒子群算法的圖像分割 312
8.4 討論與結論 316
本章參考文獻 316
展開全部
量子計算智能 作者簡介
李陽陽，河南開封人，博士，西安電子科技大學教授，博士生導師，國家教育部重點實驗室骨干成員，教育部創新團隊骨干成員，國家"111計劃"創新引智基地骨干成員，校"智能信息處理優秀創新團隊"骨干成員。李陽陽現為IEEE高級會員，IEEE CIS 西安分部成員、IET西安分會司庫，中國計算機學會高級會員、中國電子學會會員。李陽陽分別于2001年與2004年在西安電子科技大學獲得工學學士學位與工學碩士學位，并于2007年畢業于西安電子科技大學模式識別與智能系統專業，獲得工學博士學位
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
我與地壇
- >
自卑與超越
- >
【精裝繪本】畫給孩子的中國神話
- >
伊索寓言-世界文學名著典藏-全譯本
- >
煙與鏡
- >
名家帶你讀魯迅:故事新編
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
