掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
多目標學習算法及其應用 版權信息
- ISBN：9787030612618
- 條形碼：9787030612618 ; 978-7-03-061261-8
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
多目標學習算法及其應用 內容簡介
很多機器學習任務中有多個沖突的目標需要同時被優化，基于群搜索策略的進化算法在求解多目標優化問題領域得到了廣泛的應用。多目標機器學習在近幾年引起了廣泛的關注，并且得到快速的發展。但是多目標機器學習在模型建立和優化學習方面仍然存在很多瓶頸問題。本書內容圍繞多目標機器學習新模型探索和多目標學習算法設計展開，主要包括：多目標學習基礎、基于三維凸包的進化多目標優化算法、基于三維增量凸包的進化多目標優化算法、進化多目標稀疏集成學習、多目標稀疏神經網絡學習、多目標卷積神經網絡及其學習算法、基于多目標學習的垃圾郵件檢測，以及多目標深度卷積生成式對抗網絡。
多目標學習算法及其應用 目錄
目錄《智能科學技術著作叢書》序前言第1章多目標學習基礎 11.1 進化計算 11.1.1 遺傳算法 21.1.2 進化規劃 51.1.3 進化策略 71.2 *優化方法 81.2.1 單目標優化問題 81.2.2 多目標優化問題 91.2.3 高維多目標優化問題 101.3 機器學習 111.4 多目標學習 121.5 本章小結 15參考文獻 15第2章基于三維凸包的進化多目標優化算法 182.1 引言 182.2 相關工作 202.3 增廣DET圖和多目標優化問題 212.3.1 增廣DET圖和多目標分類器 222.3.2 ADCH*大化和多目標優化 242.4 基于三維凸包的進化多目標優化算法描述 262.4.1 基于非冗余三維凸包的排序算法 272.4.2 基于VAS貢獻度的選擇策略 282.4.3 算法框架 292.4.4 算法計算復雜度分析 312.5 人工設計測試問題實驗 312.5.1 ZEJD問題設計 322.5.2 評價準則 342.5.3 參數設置 352.5.4 結果和分析 352.6 本章小結 46參考文獻 46第3章基于三維凸包的進化多目標優化快速算法 503.1 引言 503.2 相關工作 513.3 基于三維凸包的進化多目標優化快速算法描述 533.3.1 基于三維增量凸包的排序算法 533.3.2 基于年齡的選擇策略 553.3.3ΔVAS快速計算方法 563.3.4 增量凸包構造算法 603.3.5 算法計算復雜度分析 613.4 實驗研究 633.4.13 DFCH-EMOA和多種EMOA對比 633.4.23 DFCH-EMOA和3DCH-EMOA對比 833.4.3 基于年齡的選擇策略和隨機選擇策略對比 893.5 本章小結 89參考文獻 90第4章進化多目標稀疏集成學習 934.1 引言 934.2 相關工作 954.3 多目標稀疏集成學習過程 964.3.1 稀疏集成學習 964.3.2 多目標集成學習 984.3.3 增廣DET凸包*大化 984.3.4 稀疏實數編碼 1014.4 實驗研究 1024.4.1 基于C4.5 和裝袋策略的實驗結果 1034.4.2 基于CART和隨機子空間的實驗結果 1154.4.3 多目標稀疏集成算法與五種修剪算法對比 1244.5 本章小結 127參考文獻 127第5章多目標稀疏神經網絡學習 1315.1 引言 1315.2 神經網絡 1325.3 多目標稀疏神經網絡參數學習 1365.3.1 UCI數據集 1375.3.2 對比算法 1375.3.3 參數設置 1375.3.4 結果和分析 1385.4 多目標稀疏神經網絡結構修剪 1425.4.1 UCI數據集 1435.4.2 對比算法 1445.4.3 參數設置 1445.4.4 結果和分析 1445.5 本章小結 146參考文獻 146第6章多目標卷積神經網絡及其學習算法 1476.1 引言 1476.2 相關工作 1496.2.1 卷積神經網絡 1496.2.2 雙檔案高維多目標進化算法 1526.3 高維多目標卷積神經網絡模型 1536.3.1 多類別DET超平面 1536.3.2 MaO-CNN模型描述 1556.3.3 MaO-CNN模型學習算法 1566.4 實驗研究 1596.4.1 數據集描述 1596.4.2 實驗對比算法 1616.4.3 評價準則 1616.4.4 參數設置 1616.4.5 結果和分析 1626.5 本章小結 166參考文獻 167第7章基于多目標學習的垃圾郵件檢測 1697.1 引言 1697.2 多目標垃圾郵件檢測模型 1717.2.1 問題定義 1717.2.2 進化算法在郵件檢測問題中的應用 1727.2.3 多目標優化算法進展 1737.2.4 垃圾郵件檢測數據集 1757.3 實驗研究 1767.3.1 多目標郵件檢測模型 1767.3.2 實驗參數設置 1777.4 實驗研究 1787.4.1 結果和分析 1797.4.2 多目標垃圾郵件檢測系統部署 1847.5 本章小結 185參考文獻 185第8章多目標深度卷積生成式對抗網絡 1878.1 引言 1878.2 相關工作 1888.2.1 生成式對抗網絡 1888.2.2 深度卷積生成式對抗網絡 1898.3 多目標深度卷積生成式對抗網絡模型 1908.3.1 模型設計 1908.3.2 群搜索策略 1918.3.3 基于Pareto占優的選擇策略 1928.3.4 交叉算子設計 1938.3.5 MO-DCGAN學習框架 1948.4 實驗研究 1958.4.1 參數設置 1958.4.2 結果和分析 1968.5 本章小結 205參考文獻 206第9章總結和展望 2089.1 本書主要工作總結 2089.2 工作展望 210
展開全部
書友推薦
- >
中國歷史的瞬間
- >
我與地壇
- >
我從未如此眷戀人間
- >
羅曼·羅蘭讀書隨筆-精裝
- >
姑媽的寶刀
- >
巴金－再思錄
- >
苦雨齋序跋文-周作人自編集
- >
龍榆生：詞曲概論/大家小書
本類暢銷
