超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

不再提示
关闭
图书盲袋,以书为“药”
欢迎光临中图网 请 | 注册

计算智能导论

出版社:西安电子科技大学出版社出版时间:2024-05-01
开本: 23cm 页数: 205页
中 图 价:¥23.4(6.0折) 定价  ¥39.0 登录后可看到会员价
加入购物车 收藏
运费6元,满39元免运费
?新疆、西藏除外
本类五星书更多>

计算智能导论 版权信息

  • ISBN:9787560670638
  • 条形码:9787560670638 ; 978-7-5606-7063-8
  • 装帧:平装-胶订
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

计算智能导论 本书特色

本书特色
1) 紧跟学术前沿
作者查阅了大量的期刊和相关网络资料,紧跟国内外相关研究机构的*新研究动态,同时积极与国内外学者和企业人员进行交流,对近年来人工智能和计算智能领域的研究心得与成果进行系统梳理与总结,将其分享给各位读者。
2) 论述清晰,知识完整
本书内容丰富,阐述严谨,对计算智能的三个分支——进化计算、模糊逻辑、人工神经网络的基本框架中的理论基础和典型问题进行了详细论述,并且将理论与实践紧密联系,给出了相关示例和实验结果,适合计算智能以及相关交叉领域的教师参考和学生学习。
3) 学科交叉
计算智能与脑科学、神经科学、生物学、语言学等学科交叉发展,互相影响。本书从原理论述等方面充分体现了学科交叉,并将这些知识有机地结合起来。
4) 重视实用性
本书论述了计算智能理论、进化计算、模糊逻辑、人工神经网络的理论基础、基本框架和典型算法,并在此基础上将理论与实践相结合,针对相关领域中的典型问题,给出了解决方法、参数学习及实验结果示例,使读者在更好地理解理论知识的同时,对计算智能学科乃至人工智能学科产生兴趣,培养动手能力。
5) 符合专业需求
作为智能科学与技术专业的教材,本书详细汇总了进化计算、模糊逻辑和人工神经网络中常用的优化模型、学习模型、算子和网络模型等,同时将理论与实践相结合,介绍了人工神经网络、模糊逻辑、进化计算的典型应用范例及实验结果,对学生计算智能理论知识的巩固和解决问题能力的提高有很好的帮助与促进作用。

计算智能导论 内容简介

本书对计算智能的诸多基础理论进行了详细介绍和释义,还介绍了神经网络、模糊系统、进化计算的应用范例以及实验结果,将理论与实践紧密联系。**章对人工智能的萌芽、诞生和发展以及现状和未来进行了简要介绍。第二章为进化计算,论述了遗传算法。第三章为模糊逻辑,介绍了模糊理论基础,论述了常见的模糊隶属度函数以及模糊集合常用的算子,并对模糊关系及运算以及模糊推理进行了详细介绍。第四章为人工神经网络,论述了人工神经落的特点、生物学基础及其发展与应用。

计算智能导论 目录

第1章 绪论——从人工智能到计算智能 1 1.1 人工智能的发展 1 1.1.1 人工智能的萌芽 1 1.1.2 人工智能的诞生 3 1.1.3 人工智能的发展 6 1.2 人工智能的现状和未来 9 1.3 人工智能的新生:计算智能 10 1.3.1 人工神经网络 10 1.3.2 模糊逻辑 10 1.3.3 进化计算 11 1.3.4 计算智能 11 1.4 智能的三个层次 12 1.5 计算智能领域研究成果 12 1.5.1 进化计算研究成果 12 1.5.2 模糊理论研究成果 16 1.5.3 人工神经网络研究成果 19 习题 22 参考文献 22 第2章 进化计算 29 2.1 绪论 29 2.1.1 引例 29 2.1.2 从进化论到进化计算 31 2.2 遗传算法 37 2.2.1 遗传算法简介 37 2.2.2 遗传的特点 38 2.2.3 示例 38 2.2.4 遗传算法的基本框架 40 2.2.5 遗传算法的优点 40 2.2.6 遗传算法的五个关键问题 41 2.3 遗传编码和种群初始化 41 2.3.1 遗传编码 41 2.3.2 种群初始化 46 2.4 交叉和变异 47 2.4.1 交叉算子 47 2.4.2 变异算子 50 2.5 选择和适应度函数 52 2.5.1 选择 52 2.5.2 适应度函数 54 2.5.3 适应度共享和群体多样性 56 2.6 遗传算法用于求解数值优化问题 57 2.7 遗传算法的理论基础 65 2.7.1 模式理论 65 2.7.2 建筑块假说 69 习题 71 参考文献 73 第3章 模糊逻辑 77 3.1 模糊理论基础 77 3.1.1 概率与模糊 78 3.1.2 模糊集合的定义 79 3.1.3 模糊集合和经典集合 80 3.1.4 模糊集合的表示方法 83 3.1.5 模糊集合的几何图示 84 3.1.6 模糊集合的运算 87 3.2 隶属度函数 90 3.2.1 隶属度函数的基本概念 90 3.2.2 隶属度函数遵守的基本原则 95 3.2.3 隶属度函数的设计 97 3.2.4 模糊集合的特性 100 3.2.5 模糊性的度量 102 3.3 模糊关系及运算 104 3.3.1 模糊关系 104 3.3.2 模糊关系的运算 108 3.4 模糊推理 110 3.4.1 模糊逻辑的特点及运算 110 3.4.2 模糊语言变量 110 3.4.3 模糊推理 113 3.4.4 模糊化和去模糊化 117 3.5 模糊控制系统 119 3.5.1 模糊控制 119 3.5.2 模糊控制器 120 3.6 模糊聚类分析 122 3.6.1 问题的提出 122 3.6.2 模糊聚类分析的基础知识 123 3.6.3 模糊聚类分析的一般步骤 124 3.7 模糊综合评判模型 129 习题 134 参考文献 135 第4章 人工神经网络 141 4.1 绪论 141 4.1.1 人工神经网络简介 141 4.1.2 人工神经网络的发展 143 4.1.3 人工神经网络的应用与实现 146 4.2 人工神经单元——单感知器 149 4.2.1 生物学基础 149 4.2.2 感知器模型 150 4.2.3 激活函数 152 4.2.4 感知器参数学习 155 4.3 人工神经网络 157 4.3.1 单层神经网络 158 4.3.2 多层神经网络 158 4.3.3 神经网络参数学习 159 4.3.4 人工神经网络的信息处理能力 160 4.4 神经网络的学习方法 161 4.4.1 Hebb规则 161 4.4.2 梯度下降方法 165 4.4.3 误差反向传播算法 169 4.4.4 其他学习方法 171 4.5 径向基函数网络 173 4.5.1 径向基函数简介 173 4.5.2 径向基函数网络概念 174 4.5.3 径向基函数网络的模型 174 4.5.4 径向基函数网络的工作原理及特点 175 4.5.5 径向基函数网络的学习算法 176 4.6 深度神经网络 178 4.6.1 有监督学习与无监督学习 178 4.6.2 卷积神经网络 178 4.6.3 循环神经网络 185 4.6.4 生成对抗网络 190 4.6.5 增强学习 196 习题 201 参考文献 202
展开全部
商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服