掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
計算智能理論與方法 版權信息
- ISBN：9787030367723
- 條形碼：9787030367723 ; 978-7-03-036772-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
計算智能理論與方法 內容簡介
本書介紹了計算智能的歷史和發展過程，系統地探討了計算智能的主要理論、技術和常用算法，主要研究內容包括模擬進化計算、模糊系統、人工神經網絡、群體計算模型以及人工免疫系統和算法等內容，并著重介紹這些技術和方法在解決實際問題時所表現出來的突出特點和優勢，以及它們常用的應用領域。
計算智能理論與方法 目錄
目錄
《智能科學技術著作叢書》序
前言
第1章 緒論 1
1.1 計算智能的概念 1
1.2 計算智能技術的產生和發展過程 2
1.3 計算智能技術的主要應用領域 6
1.4 本書的結構和內容安排 8
參考文獻 10
第2章 進化計算的概念和范例 13
2.1 概述 13
2.2 模擬進化計算方法的生物學基礎 14
2.2.1 遺傳變異理論 14
2.2.2 生物進化論 16
2.3 模擬進化計算方法的發展歷史 18
2.3.1 萌芽期 18
2.3.2 成長期 18
2.3.3 發展期 19
2.4 模擬進化計算方法的一般框架結構 20
2.5 模擬進化計算方法的典型應用領域 24
2.6 總結 26
參考文獻 27
第3章 遺傳算法 29
3.1 遺傳算法概述 29
3.1.1 遺傳算法的發展歷史 30
3.1.2 遺傳算法的特點 31
3.2 遺傳算法的理論基礎 32
3.2.1 模式的概念 33
3.2.2 模式定理 34
3.2.3 積木塊假說 37
3.2.4 隱含并行性 37
3.3 基本遺傳算法及其改進算法 39
3.3.1 基本概念 39
3.3.2 遺傳操作 40
3.3.3 基本遺傳算法 41
3.3.4 改進的遺傳算法 43
3.4 遺傳算法的具體應用 50
3.4.1 遺傳算法在組合優化中的應用 51
3.4.2 遺傳算法在數據挖掘中的應用 54
3.5 總結 57
參考文獻 58
第4章 進化規劃 60
4.1 概述 60
4.2 進化規劃算法的工作過程 61
4.2.1 實施步驟 62
4.2.2 算法實施中的具體操作 63
4.3 進化規劃算法的特點和優勢 66
4.3.1 進化規劃算法的典型特點 66
4.3.2 遺傳算法和進化規劃算法的比較 66
4.4 進化規劃算法的具體應用 68
4.4.1 基于有限狀態機的預測 69
4.4.2 基于進化規劃算法的多模態函數優化 75
4.5 總結 79
參考文獻 80
第5章 其他模擬進化計算技術 82
5.1 進化策略 83
5.1.1 進化策略的表示形式 84
5.1.2 進化策略的實施步驟 86
5.1.3 進化策略與進化規劃的異同 86
5.1.4 進化策略實施中的關鍵問題 87
5.2 遺傳編程 90
5.2.1 概述 91
5.2.2 遺傳編程的實施步驟 91
5.2.3 遺傳編程算法的特點 95
5.3 粒子群優化算法 95
5.3.1 概述 95
5.3.2 粒子群優化算法的基本原理 98
5.3.3 粒子群優化算法的步驟 99
5.3.4 粒子群優化算法的特點 101
5.4 總結 101
參考文獻 104
第6章 人工免疫系統及算法 106
6.1 生物免疫系統簡介 107
6.1.1 生物免疫系統的組成 108
6.1.2 生物免疫系統的主要功能 108
6.2 免疫系統可被借鑒的相關理論 109
6.2.1 生物免疫系統的主要原理和機制 109
6.2.2 生物免疫系統的信息處理特性 111
6.3 人工免疫系統的模型及算法 112
6.3.1 人工免疫網絡 113
6.3.2 負選擇算法 114
6.3.3 克隆選擇算法 114
6.3.4 總結 115
6.4 人工免疫系統的應用 116
6.4.1 聚類分析 118
6.4.2 其他應用領域 130
6.5 人工免疫系統的發展展望 131
參考文獻 133
第7章 人工神經網絡 136
7.1 神經網絡概述 137
7.1.1 生物神經元和生物神經網絡 138
7.1.2 人工神經網絡的發展過程 140
7.1.3 人工神經網絡的學習方法 142
7.2 感知器和前向神經網絡 145
7.2.1 感知器 146
7.2.2 BP神經網絡 150
7.2.3 總結 156
7.3 徑向基函數網絡 157
7.3.1 RBF神經網絡模型 158
7.3.2 RBF神經網絡的數學基礎 159
7.3.3 RBF神經網絡的應用 164
7.4 反饋型神經網絡 167
7.4.1 離散型Hopfield神經網絡 167
7.4.2 連續型Hopfield神經網絡 172
7.5 小腦模型神經網絡 176
7.5.1 CMAC神經網絡模型及工作原理 176
7.5.2 CMAC神經網絡的學習算法 178
7.6 自組織神經網絡 180
7.6.1 自適應共振理論神經網絡 180
7.6.2 自組織特征映射網絡 185
7.7 總結 189
參考文獻 190
第8章 模糊邏輯理論與系統 192
8.1 模糊理論概述 192
8.1.1 模糊現象與模糊概念 192
8.1.2 模糊數學與模糊理論 193
8.1.3 模糊理論的發展和應用 194
8.2 模糊集合及其運算 195
8.2.1 模糊集合的定義 195
8.2.2 模糊集合的運算 197
8.3 模糊邏輯和模糊推理 199
8.3.1 模糊關系 199
8.3.2 模糊關系的運算 200
8.3.3 模糊邏輯 201
8.3.4 模糊推理 203
8.4 模糊系統在自動控制系統中的應用 208
8.4.1 模糊控制器與模糊控制系統 208
8.4.2 模糊控制系統的工作原理 210
8.4.3 模糊控制系統設計的關鍵問題 212
8.4.4 模糊自適應PID控制器的設計 212
8.5 總結 218
參考文獻 219
第9章 基于進化計算的模糊系統設計 221
9.1 基于模糊規則的模糊系統 221
9.1.1 概述 221
9.1.2 基于模糊規則系統設計 222
9.2 遺傳模糊系統 223
9.2.1 概述 224
9.2.2 實施步驟 226
9.2.3 研究現狀 227
9.3 基于遺傳算法的模糊控制器的設計方法 228
9.3.1 基于遺傳算法的模糊控制器設計概述 228
9.3.2 遺傳模糊控制系統的總體設計方案 229
9.3.3 基于遺傳算法來確定模糊控制規則 232
9.3.4 應用實例 241
9.3.5 結論 244
9.4 總結 244
參考文獻 245
第10章 計算智能方法的性能評價 247
10.1 通用事項 247
10.1.1 選擇金標準 248
10.1.2 訓練數據集和測試數據集的劃分 249
10.1.3 顯著性差異 249
10.1.4 交叉驗證 251
10.1.5 適應度 251
10.2 準確率 252
10.3 誤差評價性能指標 253
10.3.1 平均平方誤差 253
10.3.2 **誤差 255
10.3.3 歸一化誤差 255
10.4 接受者操作特征曲線 256
10.5 召回率和精確率 258
10.6 總結 259
參考文獻 260
《智能科學技術著作叢書》序
前言
第1章 緒論 1
1.1 計算智能的概念 1
1.2 計算智能技術的產生和發展過程 2
1.3 計算智能技術的主要應用領域 6
1.4 本書的結構和內容安排 8
參考文獻 10
第2章 進化計算的概念和范例 13
2.1 概述 13
2.2 模擬進化計算方法的生物學基礎 14
2.2.1 遺傳變異理論 14
2.2.2 生物進化論 16
2.3 模擬進化計算方法的發展歷史 18
2.3.1 萌芽期 18
2.3.2 成長期 18
2.3.3 發展期 19
2.4 模擬進化計算方法的一般框架結構 20
2.5 模擬進化計算方法的典型應用領域 24
2.6 總結 26
參考文獻 27
第3章 遺傳算法 29
3.1 遺傳算法概述 29
3.1.1 遺傳算法的發展歷史 30
3.1.2 遺傳算法的特點 31
3.2 遺傳算法的理論基礎 32
3.2.1 模式的概念 33
3.2.2 模式定理 34
3.2.3 積木塊假說 37
3.2.4 隱含并行性 37
3.3 基本遺傳算法及其改進算法 39
3.3.1 基本概念 39
3.3.2 遺傳操作 40
3.3.3 基本遺傳算法 41
3.3.4 改進的遺傳算法 43
3.4 遺傳算法的具體應用 50
3.4.1 遺傳算法在組合優化中的應用 51
3.4.2 遺傳算法在數據挖掘中的應用 54
3.5 總結 57
參考文獻 58
第4章 進化規劃 60
4.1 概述 60
4.2 進化規劃算法的工作過程 61
4.2.1 實施步驟 62
4.2.2 算法實施中的具體操作 63
4.3 進化規劃算法的特點和優勢 66
4.3.1 進化規劃算法的典型特點 66
4.3.2 遺傳算法和進化規劃算法的比較 66
4.4 進化規劃算法的具體應用 68
4.4.1 基于有限狀態機的預測 69
4.4.2 基于進化規劃算法的多模態函數優化 75
4.5 總結 79
參考文獻 80
第5章 其他模擬進化計算技術 82
5.1 進化策略 83
5.1.1 進化策略的表示形式 84
5.1.2 進化策略的實施步驟 86
5.1.3 進化策略與進化規劃的異同 86
5.1.4 進化策略實施中的關鍵問題 87
5.2 遺傳編程 90
5.2.1 概述 91
5.2.2 遺傳編程的實施步驟 91
5.2.3 遺傳編程算法的特點 95
5.3 粒子群優化算法 95
5.3.1 概述 95
5.3.2 粒子群優化算法的基本原理 98
5.3.3 粒子群優化算法的步驟 99
5.3.4 粒子群優化算法的特點 101
5.4 總結 101
參考文獻 104
第6章 人工免疫系統及算法 106
6.1 生物免疫系統簡介 107
6.1.1 生物免疫系統的組成 108
6.1.2 生物免疫系統的主要功能 108
6.2 免疫系統可被借鑒的相關理論 109
6.2.1 生物免疫系統的主要原理和機制 109
6.2.2 生物免疫系統的信息處理特性 111
6.3 人工免疫系統的模型及算法 112
6.3.1 人工免疫網絡 113
6.3.2 負選擇算法 114
6.3.3 克隆選擇算法 114
6.3.4 總結 115
6.4 人工免疫系統的應用 116
6.4.1 聚類分析 118
6.4.2 其他應用領域 130
6.5 人工免疫系統的發展展望 131
參考文獻 133
第7章 人工神經網絡 136
7.1 神經網絡概述 137
7.1.1 生物神經元和生物神經網絡 138
7.1.2 人工神經網絡的發展過程 140
7.1.3 人工神經網絡的學習方法 142
7.2 感知器和前向神經網絡 145
7.2.1 感知器 146
7.2.2 BP神經網絡 150
7.2.3 總結 156
7.3 徑向基函數網絡 157
7.3.1 RBF神經網絡模型 158
7.3.2 RBF神經網絡的數學基礎 159
7.3.3 RBF神經網絡的應用 164
7.4 反饋型神經網絡 167
7.4.1 離散型Hopfield神經網絡 167
7.4.2 連續型Hopfield神經網絡 172
7.5 小腦模型神經網絡 176
7.5.1 CMAC神經網絡模型及工作原理 176
7.5.2 CMAC神經網絡的學習算法 178
7.6 自組織神經網絡 180
7.6.1 自適應共振理論神經網絡 180
7.6.2 自組織特征映射網絡 185
7.7 總結 189
參考文獻 190
第8章 模糊邏輯理論與系統 192
8.1 模糊理論概述 192
8.1.1 模糊現象與模糊概念 192
8.1.2 模糊數學與模糊理論 193
8.1.3 模糊理論的發展和應用 194
8.2 模糊集合及其運算 195
8.2.1 模糊集合的定義 195
8.2.2 模糊集合的運算 197
8.3 模糊邏輯和模糊推理 199
8.3.1 模糊關系 199
8.3.2 模糊關系的運算 200
8.3.3 模糊邏輯 201
8.3.4 模糊推理 203
8.4 模糊系統在自動控制系統中的應用 208
8.4.1 模糊控制器與模糊控制系統 208
8.4.2 模糊控制系統的工作原理 210
8.4.3 模糊控制系統設計的關鍵問題 212
8.4.4 模糊自適應PID控制器的設計 212
8.5 總結 218
參考文獻 219
第9章 基于進化計算的模糊系統設計 221
9.1 基于模糊規則的模糊系統 221
9.1.1 概述 221
9.1.2 基于模糊規則系統設計 222
9.2 遺傳模糊系統 223
9.2.1 概述 224
9.2.2 實施步驟 226
9.2.3 研究現狀 227
9.3 基于遺傳算法的模糊控制器的設計方法 228
9.3.1 基于遺傳算法的模糊控制器設計概述 228
9.3.2 遺傳模糊控制系統的總體設計方案 229
9.3.3 基于遺傳算法來確定模糊控制規則 232
9.3.4 應用實例 241
9.3.5 結論 244
9.4 總結 244
參考文獻 245
第10章 計算智能方法的性能評價 247
10.1 通用事項 247
10.1.1 選擇金標準 248
10.1.2 訓練數據集和測試數據集的劃分 249
10.1.3 顯著性差異 249
10.1.4 交叉驗證 251
10.1.5 適應度 251
10.2 準確率 252
10.3 誤差評價性能指標 253
10.3.1 平均平方誤差 253
10.3.2 **誤差 255
10.3.3 歸一化誤差 255
10.4 接受者操作特征曲線 256
10.5 召回率和精確率 258
10.6 總結 259
參考文獻 260
展開全部
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
中國歷史的瞬間
- >
煙與鏡
- >
月亮虎
- >
唐代進士錄
- >
自卑與超越
- >
姑媽的寶刀
- >
莉莉和章魚
本類暢銷
