計(jì)算智能的數(shù)學(xué)基礎(chǔ)

定　價(jià)：￥26.00

作　者：	褚蕾蕾等編著
出版社：	科學(xué)出版社
叢編項(xiàng)：	高等院校信息科學(xué)系列教材
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥18.30)

ISBN：	9787030084347	出版時(shí)間：	2002-01-01	包裝：	平裝
開本：	24cm	頁數(shù)：	290	字?jǐn)?shù)：

內(nèi)容簡介

　　由于計(jì)算機(jī)網(wǎng)絡(luò)的迅速發(fā)展，對海量數(shù)據(jù)的信息處理受到理論和工程界的廣泛關(guān)注，其中尤以基于仿生學(xué)原理的計(jì)算智能在高級信息處理中占據(jù)重要的地位。本書著重介紹了人工神經(jīng)網(wǎng)絡(luò)、遺傳算法和模糊邏輯的基本模型、理論及算法及其在工程技術(shù)中的應(yīng)用，如分類器、數(shù)據(jù)挖掘、現(xiàn)代優(yōu)化方法和模糊控制，并且給出了基于MATLAB的數(shù)值實(shí)驗(yàn)。本書每章后均配有習(xí)題，以供學(xué)生復(fù)習(xí)、鞏固書中所學(xué)知識。本書可作為大專院校信息與計(jì)算科學(xué)、數(shù)學(xué)、應(yīng)用數(shù)學(xué)、計(jì)算機(jī)科學(xué)、自動(dòng)控制、信息與系統(tǒng)工程等專業(yè)的教材，亦可供相關(guān)專業(yè)的本科生、研究生、教師、科學(xué)及工程技術(shù)人員參考。

作者簡介

暫缺《計(jì)算智能的數(shù)學(xué)基礎(chǔ)》作者簡介

圖書目錄

第1章  概述
1. 1  信息科學(xué)與機(jī)器智能
1. 1. 1  信息與信息科學(xué)
1. 1. 2  智能與機(jī)器智能
1. 1. 3  機(jī)器智能的三個(gè)學(xué)派
1. 2  計(jì)算智能的主要分支
1. 2. 1  人工神經(jīng)網(wǎng)絡(luò)
1. 2. 2  遺傳算法
1. 2. 3  模糊邏輯
1. 3  計(jì)算智能研究的主要問題
1. 3. 1  學(xué)習(xí)
1. 3. 2  搜索
1. 3. 3  推理
1. 4  計(jì)算智能研究的主要方法
1. 4. 1  模型
1. 4. 2  算法
1. 4. 3  實(shí)驗(yàn)
習(xí)題1
第2章  感知器
2. 1  分類問題
2. 2  感知器
2. 2. 1  感知器模型
2. 2. 2  感知器學(xué)習(xí)
2. 2. 3  線性可分
2. 2. 4  收斂性
2. 2. 5  復(fù)雜性
2. 3  算法的容量
2. 3. 1  概念
2. 3. 2  隨機(jī)MP模型容量估計(jì)
2. 4  非線性感知器
2. 4. 1  非線性權(quán)感知器
2. 4. 2  Newton迭代法
2. 4. 3  Newton法的收斂性
2. 5  高階感知器
2. 5. 1  高階感知器模型
2. 5. 2  Boolean函數(shù)
2. 6  模糊感知器
2. 6. 1  模糊感知器模型
2. 6. 2  算法的收斂性
習(xí)題2
第3章  人工神經(jīng)網(wǎng)絡(luò)
3. 1  單層前向網(wǎng)
3. 1. 1  單層前向網(wǎng)模型
3. 1. 2  線性單層網(wǎng)
3. 2  最優(yōu)化方法
3. 2. 1  多元函數(shù)的極值
3. 2. 2  梯度法
3. 2. 3  最小二乘法
3. 3  多層前向網(wǎng)
3. 3. 1  雙層前向網(wǎng)
3. 3. 2  學(xué)習(xí)目標(biāo)
3. 3. 3  誤差的后向傳播
3. 3. 4  前向網(wǎng)絡(luò)的學(xué)習(xí)算法
3. 4  徑向基函數(shù)
3. 4. 1  插值
3. 4. 2  徑向基函數(shù)網(wǎng)
3. 5  回歸神經(jīng)元網(wǎng)絡(luò)
3. 5. 1  Hopfield網(wǎng)模型
3. 5. 2  系統(tǒng)的穩(wěn)定性
3. 5. 3  系統(tǒng)的收斂性
3. 5. 4  糾錯(cuò)學(xué)習(xí)問題
習(xí)題3
第4章  支撐向量機(jī)
4. 1  最優(yōu)分離超平面
4. 1. 1  最優(yōu)分離超平面
4. 1. 2  二次規(guī)劃
4. 1. 3  KKT條件
4. 1. 4  分類超曲面
4. 2  支撐向量機(jī)
4. 2. 1  線性支撐向量機(jī)
4. 2. 2  Gauss核支撐向量機(jī)
4. 3  SVM學(xué)習(xí)算法
4. 3. 1  SMO算法
4. 3. 2  SMO算法的實(shí)現(xiàn)
4. 3. 3  SMO算法的改進(jìn)
4. 4  數(shù)值實(shí)驗(yàn)
習(xí)題4
第5章  遺傳算法
5. 1  簡單遺傳算法
5. 1. 1  簡單遺傳算法
5. 1. 2  模式(Schema)
5. 2  個(gè)體與種群
5. 2. 1  個(gè)體
5. 2. 2  種群
5. 3  遺傳算子
5. 3. 1  選擇算子
5. 3. 2  雜交算子
5. 3. 3  變異算子
5. 3. 4  刪除算子
5. 4  模式
5. 4. 1  最小模式
5. 4. 2  雜交算子的整體性質(zhì)
習(xí)題5
第6章  數(shù)值實(shí)驗(yàn)
6. 1  數(shù)學(xué)軟件MATLAB相關(guān)函數(shù)
6. 1. 1  MATLAB簡介
6. 1. 2  相關(guān)函數(shù)
6. 2  感知器數(shù)值實(shí)驗(yàn)
6. 2. 1  感知器生成與實(shí)例
6. 2. 2  線性神經(jīng)網(wǎng)絡(luò)生成與實(shí)例
6. 3  BP算法數(shù)值實(shí)驗(yàn)
6. 4  自適應(yīng)網(wǎng)絡(luò)
6. 4. 1  自適應(yīng)網(wǎng)絡(luò)簡介
6. 4. 2  自適應(yīng)網(wǎng)絡(luò)實(shí)驗(yàn)
習(xí)題6
第7章  應(yīng)用
7. 1  旅行商問題
7. 1. 1  TSP問題描述
7. 1. 2  連續(xù)Hopfield方法
7. 1. 3  TSP的HNNS模型
7. 2  神經(jīng)網(wǎng)絡(luò)優(yōu)化算法
7. 2. 1  線性規(guī)劃及對偶問題
7. 2. 2  神經(jīng)網(wǎng)絡(luò)優(yōu)化模型
7. 2. 3  凸函數(shù)
7. 2. 4  網(wǎng)絡(luò)模型的收斂性
7. 2. 5  數(shù)值方法
7. 3  TSP的遺傳算法
7. 3. 1  算法描述
7. 3. 2  程序?qū)崿F(xiàn)
習(xí)題7
第8章  模糊集與模糊系統(tǒng)
8. 1  模糊集與隸屬函數(shù)
8. 1. 1  特征函數(shù)
8. 1. 2  模糊集與隸屬函數(shù)
8. 1. 3  模糊集合的表示法
8. 2  模糊集上的運(yùn)算
8. 2. 1  模糊集上的基本運(yùn)算
8. 2. 2  模糊集運(yùn)算的基本性質(zhì)
8. 2. 3  模糊集合的代數(shù)和. 代數(shù)積. 有界和. 有界積
8. 3  凸模糊集及其性質(zhì)
8. 3. 1  凸模糊集
8. 3. 2  模糊數(shù)
8. 3. 3  2型模糊集與條件模糊集
8. 4  模糊系統(tǒng)與模糊算法
8. 4. 1  模糊系統(tǒng)與狀態(tài)
8. 4. 2  模糊系統(tǒng)的狀態(tài)方程
習(xí)題8
第9章  模糊邏輯與模糊推理
9. 1  基本概念
9. 1. 1  模糊邏輯
9. 1. 2  模糊語言
9. 1. 3  模糊推理
9. 2  模糊命題與模糊邏輯公式
9. 2. 1  模糊命題與模糊關(guān)系
9. 2. 2  析取范式與合取范式
9. 3  模糊邏輯公式的化簡
9. 3. 1  主析取范式
9. 3. 2  最簡析取范式
9. 4  模糊邏輯函數(shù)的分析合成
9. 4. 1  模糊邏輯函數(shù)的分解
9. 4. 2  模糊邏輯函數(shù)的合成
9. 5  模糊語言與模糊推理
9. 5. 1  模糊語言及基本性質(zhì)
9. 5. 2  模糊推理及其規(guī)則
習(xí)題9
第10章  模糊模式識別與模糊控制
10. 1  模糊模式識別的直接方法
10. 1. 1  最大隸屬原則與圖形識別
10. 1. 2  手寫數(shù)字和字母的識別
10. 2  貼近度與模糊模式識別的間接方法
lo. 2. 1  貼近度及有關(guān)概念
10. 2. 2  模糊度與擇近原則
10. 2. 3  利用擇近原則進(jìn)行模糊模式識別舉例
10. 3  模糊控制原理
10. 3. 1  模糊控制及其類型
10. 3. 2  模糊控制過程
習(xí)題10
附錄  TSP的遺傳算法程序
主要參考文獻(xiàn)