幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

計算智能導論(高等學校智能科學與技術專業系列教材)

  • 作者：編者:尚榮華//焦李成//張瑋桐//劉芳//張小華等|責編:張瑋|總主編:焦李成
  • 出版社：西安電子科大
  • ISBN：9787560670638
  • 出版日期：2024/05/01
  • 裝幀：平裝
  • 頁數：205
人民幣：RMB 39 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書對計算智能的諸多基礎理論進行了詳細的介紹和釋義，並介紹了神經網路、模糊系統、進化計算的應用範例及實驗結果，將理論與實踐緊密聯繫起來。全書共4章，其中，第1章對人工智慧的萌芽、誕生和發展，以及現狀和未來進行了簡要介紹；第2章為進化計算，論述了遺傳演算法；第3章為模糊邏輯，介紹了模糊理論基礎，論述了常見的模糊隸屬度函數和模糊集合常用的運算元，並對模糊關係及運算、模糊推理等進行了詳細介紹；第4章為人工神經網路，論述了人工神經網路的特點、生物學基礎及其發展與應用。
    本書可供電腦科學、信息科學、人工智慧、自動化技術等領域及其交叉領域中從事量子計算、進化演算法、機器學習及相關應用研究的技術人員參考使用，也可作為相關專業高等院校的教材。
作者介紹
編者:尚榮華//焦李成//張瑋桐//劉芳//張小華等|責編:張瑋|總主編:焦李成
目錄
第1章  緒論——從人工智慧到計算智能
  1.1  人工智慧的發展
    1.1.1  人工智慧的萌芽
    1.1.2  人工智慧的誕生
    1.1.3  人工智慧的發展
  1.2  人工智慧的現狀和未來
  1.3  人工智慧的新生：計算智能
    1.3.1  人工神經網路
    1.3.2  模糊邏輯
    1.3.3  進化計算
    1.3.4  計算智能
  1.4  智能的三個層次
  1.5  計算智能領域研究成果
    1.5.1  進化計算研究成果
    1.5.2  模糊理論研究成果
    1.5.3  人工神經網路研究成果
  習題
  參考文獻
第2章  進化計算
  2.1  緒論
    2.1.1  引例
    2.1.2  從進化論到進化計算
  2.2  遺傳演算法
    2.2.1  遺傳演算法簡介
    2.2.2  遺傳的特點
    2.2.3  示例
    2.2.4  遺傳演算法的基本框架
    2.2.5  遺傳演算法的優點
    2.2.6  遺傳演算法的五個關鍵問題
  2.3  遺傳編碼和種群初始化
    2.3.1  遺傳編碼
    2.3.2  種群初始化
  2.4  交叉和變異
    2.4.1  交叉運算元
    2.4.2  變異運算元
  2.5  選擇和適應度函數
    2.5.1  選擇
    2.5.2  適應度函數
    2.5.3  適應度共享和群體多樣性
  2.6  遺傳演算法用於求解數值優化問題
  2.7  遺傳演算法的理論基礎
    2.7.1  模式理論
    2.7.2  建築塊假說
  習題
  參考文獻
第3章  模糊邏輯
  3.1  模糊理論基礎
    3.1.1  概率與模糊
    3.1.2  模糊集合的定義
    3.1.3  模糊集合和經典集合

    3.1.4  模糊集合的表示方法
    3.1.5  模糊集合的幾何圖示
    3.1.6  模糊集合的運算
  3.2  隸屬度函數
    3.2.1  隸屬度函數的基本概念
    3.2.2  隸屬度函數遵守的基本原則
    3.2.3  隸屬度函數的設計
    3.2.4  模糊集合的特性
    3.2.5  模糊性的度量
  3.3  模糊關係及運算
    3.3.1  模糊關係
    3.3.2  模糊關係的運算
  3.4  模糊推理
    3.4.1  模糊邏輯的特點及運算
    3.4.2  模糊語言變數
    3.4.3  模糊推理
    3.4.4  模糊化和去模糊化
  3.5  模糊控制系統
    3.5.1  模糊控制
    3.5.2  模糊控制器
  3.6  模糊聚類分析
    3.6.1  問題的提出
    3.6.2  模糊聚類分析的基礎知識
    3.6.3  模糊聚類分析的一般步驟
  3.7  模糊綜合評判模型
  習題
  參考文獻
第4章  人工神經網路
  4.1  緒論
    4.1.1  人工神經網路簡介
    4.1.2  人工神經網路的發展
    4.1.3  人工神經網路的應用與實現
  4.2  人工神經單元——單感知器
    4.2.1  生物學基礎
    4.2.2  感知器模型
    4.2.3  激活函數
    4.2.4  感知器參數學習
  4.3  人工神經網路
    4.3.1  單層神經網路
    4.3.2  多層神經網路
    4.3.3  神經網路參數學習
    4.3.4  人工神經網路的信息處理能力
  4.4  神經網路的學習方法
    4.4.1  Hebb規則
    4.4.2  梯度下降方法
    4.4.3  誤差反向傳播演算法
    4.4.4  其他學習方法
  4.5  徑向基函數網路
    4.5.1  徑向基函數簡介
    4.5.2  徑向基函數網路概念

    4.5.3  徑向基函數網路的模型
    4.5.4  徑向基函數網路的工作原理及特點
    4.5.5  徑向基函數網路的學習演算法
  4.6  深度神經網路
    4.6.1  有監督學習與無監督學習
    4.6.2  卷積神經網路
    4.6.3  循環神經網路
    4.6.4  生成對抗網路
    4.6.5  增強學習
    習題
    參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032