中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
高維機械頻譜數據智能集成建模 版權信息
- ISBN：9787118132229
- 條形碼：9787118132229 ; 978-7-118-13222-9
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
高維機械頻譜數據智能集成建模 本書特色
詳細敘述典型機械設備難測參數檢測現狀，讓讀者清晰了解相關情況。 開展面向工業過程機械設備難測參數的頻譜特性分析，為后續研究奠定基礎。 明確智能集成建模策略，提供解決相關問題的思路與方向。 闡述多種針對高維機械頻譜數據的建模算法，內容豐富全面。 *終獲得通用的基于高維機械頻譜數據的智能集成建模方法，具有較強實用性與通用性，可為相關領域提供有效的建模參考。
高維機械頻譜數據智能集成建模 內容簡介
本書針對與復雜工業過程產品質量/產量以及生產安全密切相關的高能耗類重型旋轉機械設備關鍵運行指標參數難以檢測的問題，依據難測參數與高維機械頻譜間存在的難以采用精確數學模型描述的非線性映射關系，運用基于機械設備振動/振聲頻譜數據驅動的軟測量建模方式進行檢測，重點解決多組分非平穩機械時域信號蘊含信息提取難、高維頻譜數據特征約簡難、多源多尺度信號的冗余性和互補性融合難、工業過程固有工況漂移特性導致離線模型泛化性能下降等問題，構建能夠降低復雜度、提高可解釋性與泛化性的智能集成軟測量檢測模型。本書詳細敘述了典型機械設備難測參數檢測現狀及與其相關軟測量建模相關技術的研究現狀，進行了面向工業過程機械設備難測參數的頻譜特性分析并明確其智能集成建模策略，之后依次順序地進行面向高維機械頻譜數據的特征約簡、選擇性集成建模、混合集成建模、在線集成建模算法的闡述，*終獲得了較為通用的一類基于高維機械頻譜數據的智能集成建模方法。
本書可供在機械、化工、能源、食品、武器裝備等行業中，基于機械頻譜或其他來源高維譜數據進行難測參數軟測量建模的科技人員使用。
高維機械頻譜數據智能集成建模 目錄
**部分：進化計算基礎知識 問題的提出1.1 優化、建模和仿真問題1.1.1 優化1.1.2 建模1.1.3 仿真1.2 搜索問題1.3 優化與約束1.4 著名 NP 問題進化計算：起源2.1 主要隱喻2.2 發展簡史2.3 生物靈感**部分：進化計算基礎知識
問題的提出
1.1 優化、建模和仿真問題
1.1.1 優化
1.1.2 建模
1.1.3 仿真
1.2 搜索問題
1.3 優化與約束
1.4 著名 NP 問題
進化計算：起源
2.1 主要隱喻
2.2 發展簡史
2.3 生物靈感
2.4 為什么需要進化計算？
進化算法：定義
3.1 進化算法是什么？
3.2 進化算法的組成
3.2.1 問題表示 (個體定義)
3.2.2 評估函數 (適應度函數)
3.2.3 種群
3.2.4 父代選擇機制
3.2.5 變異算子 (突變和重組)
3.2.6 生存選擇機制 (替代)
3.2.7 種群初始化
3.2.8 進化終止條件
3.3 進化循環的手動推演
3.4 應用實例
3.4.1 八皇后問題
3.4.2 背包問題
3.5 進化算法操作
3.6 自然進化與人工進化
3.7 進化計算、全局優化和其它搜索問題
表示、變異和重組
4.1 表示和變異操作的角色
4.2 二進制表示
4.2.1 二進制表示的變異
4.2.2 二進制表示的重組
4.3 整數表示
4.3.1 整數表示的變異
4.3.2 整數表示的重組
4.4 實數或浮點數表示
4.4.1 實數表示的變異
4.4.2 實數表示的自適應變異
4.4.3 實數表示的重組算子
4.5 排列表示
4.5.1 排列表示的變異
4.5.2 排列表示的重組
4.6 樹形表示
4.6.1 樹形表示的變異
4.6.2 樹形表示的重組
適應度、選擇和種群管理
5.1 種群管理模型
5.2 父代選擇
5.2.1 適應度比例選擇
5.2.2 排序選擇
5.2.3 概率選擇
5.2.4 錦標賽選擇
5.2.5 均勻父代選擇
5.2.6 大規模種群的過度選擇
5.3 生存選擇
5.3.1 基于年齡的替代
5.3.2 基于適應度的替代
5.4 選擇壓力
5.5 多模態問題、選擇和多樣性需求
5.5.1 多模態問題
5.5.2 保持多樣性的特征選擇和種群管理方法
5.5.3 適應度共享
5.5.4 擁擠機制
5.5.5 采用交配限定的自動物種形成機制
5.5.6 串聯運行多種群機制：島模型進化算法
5.5.7 單種群內的空間分布機制：細胞分化進化算法
流行進化算法變種
6.1 遺傳算法
6.2 進化策略
6.3 進化編程
6.4 遺傳編程
6.5 學習分類器系統
6.6 差分進化
6.7 粒子群優化
6.8 分布估計算法
第二部分：進化計算方法論問題
7. 參數和參數調整
7.1 進化算法參數
7.2 進化算法和進化算法實例
7.3 進化算法設計
7.4 調節問題
7.5 算法質量：性能和魯棒性
7.6 調參方法
8. 參數控制
8.1 引言
8.2 參數變化實例
8.2.1 變異步長尺寸的變化
8.2.2 懲罰參數的變化
8.3 參數控制技術的分類
8.3.1 哪些參數進行變化？
8.3.2 如何進行參數變化？
8.3.3 哪些證據表明了變化？
8.3.4 變化的范圍是什么？
8.3.5 小結
8.4 進化算法參數變化的實例
8.4.1 表示
8.4.2 評估函數
8.4.3 變異
8.4.4 交叉
8.4.5 選擇
8.4.6 種群
8.4.7 同時變化多個參數
8.5 討論
9. 進化算法運用
9.1 想要進化算法做什么？
9.2 性能度量
9.2.1 不同的性能度量準則
9.2.2 峰值性能與平均性能
9.3 實驗比較的測試問題
9.3.1 基于預定義問題的實例
9.3.2 基于問題實例生成器
9.3.3 基于現實世界問題
9.4 應用例子
9.4.1 較差的實踐例子
9.4.2 良好的實踐例子
第三部分：進化算法高級技術
10. 混合其它技術：文化基因算法
10.1 混合進化算法的動機
10.2 局部搜索的簡短介紹
10.2.1 拉馬克學說與鮑德溫效應
10.3 文化基因算法的結構
10.3.1 啟發式或智能初始化
10.3.2 變異算子混合：智能交叉和變異
10.3.3 基于變異算子輸出的局部搜索
10.3.4 基于基因型和表現性映射的混合
10.4 自適應文化基因算法
10.5 文化基因算法的設計問題
10.6 應用實例：多階段文化基因時間表
11. 非平穩和噪聲函數優化
11.1 非平穩問題的特性
11.2 多源不確定性的影響
11.3 算法方法
11.3.1 增加魯棒性或降低噪聲的方法
11.3.2 針對動態環境的純進化方法
11.3.3 面向切換或循環環境的基于存儲器的方法
11.3.4 動態環境中顯式增加多樣性的方法
11.3.5 保持多樣性和重采樣的方法：改變選擇和替代策略
11.3.6 應用實例：具有時變特性的背包問題
12. 多目標進化算法
12.1 多目標優化問題
12.2 支配解與帕累托優化
12.3 面向多目標優化的進化算法
12.3.1 非精英方法
12.3.2 精英方法
12.3.3 多目標進化
展開全部
書友推薦
- >
朝聞道
- >
巴金－再思錄
- >
經典常談
- >
苦雨齋序跋文-周作人自編集
- >
推拿
- >
龍榆生：詞曲概論/大家小書
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
月亮與六便士
本類暢銷
