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(高等學校大數據專業系列教材教育部高等學校電腦類專業教學指導委員會推薦教材)

  • 作者：陳麗芳//侯偉|責編:陳景輝//薛陽
  • 出版社：清華大學
  • ISBN：9787302680178
  • 出版日期：2025/01/01
  • 裝幀：平裝
  • 頁數：290
人民幣：RMB 59.9 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以模糊計算、神經計算、進化計算三大模塊為主，從理論基礎和實踐應用兩個維度全面、系統地介紹關於計算智能的常見演算法，並設計8個上機實驗，以滿足前面章節內容模擬驗證的需要。全書共11章，內容分別為緒論、模糊系統理論、模糊系統應用、神經網路理論、支持向量機、深度學習、遺傳演算法、遺傳規劃、蟻群演算法、粒子群演算法、新型群智能優化演算法等知識，並對大部分知識點配以相應的案例。
    本書主要面向廣大從事數據分析、機器學習、數據挖掘或深度學習的專業人員，從事高等教育的專任教師，高等學校的在讀學生及相關領域的廣大科技人員。
作者介紹
陳麗芳//侯偉|責編:陳景輝//薛陽
目錄
第1章  緒論
  1.1  什麼是智能
  1.2  生物智能
  1.3  人工智慧
  1.4  計算智能
    1.4.1  模糊計算
    1.4.2  神經計算
    1.4.3  進化計算
  第一單元模糊計算
第2章  模糊系統理論
  2.1  模糊集合
    2.1.1  經典集合
    2.1.2  模糊集合與隸屬函數
    2.1.3  模糊集合的表示方法
    2.1.4  模糊集合的運算
  2.2  模糊關係
    2.2.1  普通關係
    2.2.2  模糊關係的概念
    2.2.3  模糊關係的性質
    2.2.4  模糊關係的運算
    2.2.5  模糊關係的複合
    2.2.6  模糊關係的轉置
    2.2.7  模糊關係的截矩陣
    2.2.8  模糊關係的傳遞閉包
  2.3  模糊邏輯
  本章習題
第3章  模糊系統應用
  3.1  模糊聚類分析
    3.1.1  模糊聚類的基本概念
    3.1.2  模糊聚類的具體步驟
  3.2  模糊模式識別
    3.2.1  模式識別原則
    3.2.2  模式識別的直接方法
    3.2.3  模式識別的間接方法
  3.3  模糊綜合評判
    3.3.1  基本概念
    3.3.2  一級模糊綜合評判
    3.3.3  多級模糊綜合評判
  3.4  模糊控制
    3.4.1  模糊推理
    3.4.2  模糊控制
  本章習題
  第二單元神經計算
第4章  神經網路理論
  4.1  神經網路簡介
    4.1.1  神經網路的研究進展
    4.1.2  神經網路的基本原理
  4.2  神經網路的學習規則
    4.2.1  神經網路的分類
    4.2.2  神經網路的學習

    4.2.3  神經網路的信息處理能力
    4.2.4  神經網路的應用
    4.2.5  神經網路與人工智慧
  4.3  單層前向網路
    4.3.1  單層感知器
    4.3.2  自適應線性元件
    4.3.3  LMS學習演算法
  4.4  多層前向網路
    4.4.1  多層感知器
    4.4.2  BP神經網路
    4.4.3  RBF神經網路
  4.5  Hopfield神經網路
    4.5.1  離散Hopfield神經網路
    4.5.2  連續Hopfield神經網路
    4.5.3  聯想記憶
  4.6  神經網路的應用案例
    4.6.1  鐵礦粉燒結的基礎特性預測
    4.6.2  葡萄酒品質的評價
    4.6.3  地震數據中隨機雜訊的去噪
    4.6.4  股票價格預測
    4.6.5  水泥熟料的強度預測
  本章習題
第5章  支持向量機
  5.1  支持向量機概述
    5.1.1  歷史背景
    5.1.2  統計學習理論
  5.2  分類支持向量機
    5.2.1  最優分類超平面
    5.2.2  線性支持向量機
    5.2.3  非線性支持向量機
    5.2.4  SVM與多層前向網路的比較
    5.2.5  學習演算法
  5.3  回歸支持向量機
    5.3.1  損失函數
    5.3.2  回歸支持向量機的實現
  5.4  支持向量機的應用
    5.4.1  實例1：支持向量機解決異或問題
    5.4.2  實例2：用支持向量機對人工樣本進行分類
    5.4.3  實例3：基於粒計算的哈夫曼樹SVM多分類模型研究
  本章習題
第6章  深度學習
  6.1  深度學習概述
    6.1.1  起源和命運變遷
    6.1.2  基本概念和思想
    6.1.3  深度學習與神經網路
    6.1.4  訓練過程
  6.2  深度學習模型
    6.2.1  深度神經網路
    6.2.2  卷積神經網路
    6.2.3  循環神經網路

    6.2.4  生成對抗網路
  6.3  深度學習框架
  6.4  深度學習的應用案例
    6.4.1  玉米籽粒的完整性識別
    6.4.2  從葉片圖像推斷植物病害
    6.4.3  黃瓜分類
  本章習題
  第三單元進化計算
第7章  遺傳演算法
  7.1  遺傳演算法簡介
    7.1.1  發展歷程
    7.1.2  生物學基礎
    7.1.3  遺傳演算法的特點
  7.2  遺傳演算法的原理與實現
    7.2.1  遺傳演算法的原理
    7.2.2  遺傳編碼
    7.2.3  遺傳操作
  7.3  遺傳演算法的應用
  本章習題
第8章  遺傳規劃
  8.1  概述
    8.1.1  遺傳演算法的局限性
    8.1.2  遺傳規劃簡介
    8.1.3  遺傳規劃的步驟
  8.2  遺傳規劃的應用
    8.2.1  降水量預測
    8.2.2  土石壩沉降預測
  本章習題
第9章  蟻群演算法
  9.1  蟻群演算法簡介
    9.1.1  蟻群演算法的背景
    9.1.2  蟻群演算法的原理
    9.1.3  蟻群演算法的思想
    9.1.4  蟻群演算法的特點
  9.2  蟻群演算法的實現
    9.2.1  模型構建
    9.2.2  演算法流程
    9.2.3  演算法改進
  9.3  蟻群演算法的應用
    9.3.1  應用領域
    9.3.2  應用案例
第10章  粒子群演算法
  10.1  粒子群演算法簡介
    10.1.1  粒子群演算法的背景
    10.1.2  粒子群演算法的原理
    10.1.3  粒子群演算法的思想
  10.2  粒子群演算法的更新規則
    10.2.1  粒子速度更新
    10.2.2  粒子位置更新
  10.3  演算法實現概述

    10.3.1  演算法流程
    10.3.2  演算法實現
    10.3.3  應用案例
  10.4  粒子群演算法的特點及應用
    10.4.1  演算法的特點
    10.4.2  演算法對比
    10.4.3  演算法的應用
第11章  新型群智能優化演算法
  11.1  人工蜂群演算法
    11.1.1  人工蜂群演算法的原理
    11.1.2  人工蜂群演算法的思想
    11.1.3  人工蜂群演算法的實現
  11.2  螢火蟲演算法
    11.2.1  螢火蟲演算法的原理
    11.2.2  螢火蟲演算法的思想
    11.2.3  螢火蟲演算法的實現
  11.3  蝙蝠演算法
    11.3.1  蝙蝠演算法的原理
    11.3.2  蝙蝠演算法的思想
    11.3.3  蝙蝠演算法的實現
  11.4  灰狼優化演算法
    11.4.1  灰狼優化演算法的原理
    11.4.2  灰狼優化演算法的思想
    11.4.3  灰狼優化演算法的實現
  11.5  蜻蜓演算法
    11.5.1  蜻蜓演算法的原理
    11.5.2  蜻蜓演算法的思想
    11.5.3  蜻蜓演算法的實現
  11.6  鯨魚優化演算法
    11.6.1  鯨魚優化演算法的原理
    11.6.2  鯨魚優化演算法的思想
    11.6.3  鯨魚優化演算法的實現
  11.7  蝗蟲優化演算法
    11.7.1  蝗蟲優化演算法的原理
    11.7.2  蝗蟲優化演算法的思想
    11.7.3  蝗蟲優化演算法的實現
  11.8  麻雀搜索演算法
    11.8.1  麻雀搜索演算法的原理
    11.8.2  麻雀搜索演算法的思想
    11.8.3  麻雀搜索演算法的實現
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