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

量子計算智能(第2版)/人工智慧前沿技術叢書

  • 作者：編者:李陽陽//焦李成//張丹//李玲玲//劉天宇|責編:郭靜|總主編:焦李成
  • 出版社：西安電子科大
  • ISBN：9787560673387
  • 出版日期：2025/08/01
  • 裝幀：平裝
  • 頁數：319
人民幣：RMB 52 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書在總結自然計算領域主要理論研究和實際應用成果的基礎上，著重對近年來量子計算智能領域常見的理論及技術進行了較為全面的闡述，並結合作者多年的研究成果，對相關理論及技術在應用領域的實踐情況進行了展示和總結。全書從優化和學習兩個方面展開，分為8章，主要內容包括進化計算、群體智能、量子進化計算、量子粒子群優化，以及基於量子智能優化的數據聚類、數據分類、網路學習和應用。
作者介紹
編者:李陽陽//焦李成//張丹//李玲玲//劉天宇|責編:郭靜|總主編:焦李成
目錄
第1章  進化計算
  1.1  進化計算概述
    1.1.1  基本原理
    1.1.2  進化計算的一般框架
    1.1.3  進化計算研究現狀
    1.1.4  進化計算典型演算法
  1.2  人工免疫系統
    1.2.1  基本原理
    1.2.2  人工免疫系統研究現狀
  本章參考文獻
第2章  群體智能
  2.1  群體智能概述
  2.2  蟻群優化演算法
    2.2.1  基本原理
    2.2.2  蟻群演算法的理論研究現狀
    2.2.3  蟻群演算法的應用研究現狀
  2.3  粒子群優化演算法
    2.3.1  基本原理
    2.3.2  粒子群演算法的理論研究現狀
    2.3.3  粒子群演算法的應用研究現狀
  本章參考文獻
第3章  量子進化計算
  3.1  量子進化計算
    3.1.1  基本概念
    3.1.2  量子進化演算法
  3.2  量子克隆進化計算
    3.2.1  基本概念
    3.2.2  量子克隆進化演算法
    3.2.3  量子克隆進化演算法的結構框架
    3.2.4  量子克隆進化演算法的收斂性
    3.2.5  量子克隆進化演算法模擬
    3.2.6  量子克隆進化演算法的並行實現
  3.3  量子免疫克隆多目標優化演算法
    3.3.1  多目標優化
    3.3.2  量子免疫克隆多目標優化演算法
    3.3.3  演算法分析
    3.3.4  實驗結果及分析
  3.4  結論與討論
  本章參考文獻
第4章  量子粒子群優化
  4.1  量子粒子群演算法基礎
    4.1.1  量子粒子群優化演算法
    4.1.2  量子粒子群優化演算法的改進演算法
  4.2  基於協作學習的單目標量子粒子群優化
    4.2.1  協作學習策略
    4.2.2  基於協作學習策略的量子粒子群演算法框架及實現
    4.2.3  實驗結果及分析
  4.3  基於記憶策略的動態單目標量子粒子群優化
    4.3.1  動態優化環境下的記憶策略
    4.3.2  基於記憶策略的動態單目標量子粒子群演算法框架實現

    4.3.3  實驗結果及分析
  4.4  基於MapReduce的量子行為的粒子群優化
    4.4.1  量子行為的粒子群優化演算法
    4.4.2  MRQPSO演算法
    4.4.3  實驗結果及分析
  4.5  結論與討論
  本章參考文獻
第5章  基於量子智能優化的數據聚類
  5.1  基於核熵成分分析的量子聚類
    5.1.1  量子聚類演算法
    5.1.2  基於核熵成分分析的量子聚類演算法
    5.1.3  實驗結果及分析
  5.2  基於量子粒子群的軟子空間聚類
    5.2.1  QPSO演算法
    5.2.2  QPSOSC演算法
    5.2.3  實驗結果及分析
  5.3  結論與討論
  本章參考文獻
第6章  基於量子智能優化的數據分類
  6.1  基於量子粒子群的最近鄰原型數據分類
    6.1.1  數據分類方法簡介
    6.1.2  K近鄰分類演算法概述
    6.1.3  基於量子粒子群的最近鄰原型的數據分類演算法
    6.1.4  實驗結果及分析
  6.2  改進的量子粒子群的最近鄰原型數據分類演算法
    6.2.1  基於多次塌陷正交交叉量子粒子群的最近鄰原型的數據分類演算法
    6.2.2  實驗結果及分析
  6.3  結論與討論
  本章參考文獻
第7章  基於量子智能優化的網路學習
  7.1  基於量子進化演算法的超參數優化
    7.1.1  常用的機器學習模型
    7.1.2  常用的優化演算法
    7.1.3  基於單個體量子遺傳演算法的超參數優化演算法
    7.1.4  實驗結果及分析
  7.2  基於量子多目標優化的稀疏受限玻爾茲曼機學習
    7.2.1  引言
    7.2.2  相關理論背景
    7.2.3  基於量子多目標優化的稀疏受限玻爾茲曼機學習演算法
    7.2.4  基於量子多目標優化的稀疏深度信念網路
    7.2.5  實驗結果及分析
  7.3  基於量子蟻群優化演算法的複雜網路社區結構檢測
    7.3.1  引言
    7.3.2  基於量子蟻群優化演算法的社區結構檢測演算法
    7.3.3  實驗結果及分析
  7.4  結論與討論
  本章參考文獻
第8章  基於量子智能優化的應用
  8.1  基於文化進化機制和多觀測策略的多目標量子粒子群調度優化
    8.1.1  引言

    8.1.2  EED問題模型
    8.1.3  基於文化進化機制和多觀測策略的多目標量子粒子群演算法框架及實現
    8.1.4  基於CMOQPSO的環境/經濟調度優化
    8.1.5  實驗結果及分析
  8.2  基於量子多目標進化聚類演算法的圖像分割
    8.2.1  量子多目標進化聚類演算法
    8.2.2  實驗結果及分析
  8.3  基於多背景變數協同量子粒子群的醫學圖像分割
    8.3.1  背景變數概述
    8.3.2  多背景變數協同量子粒子群演算法
    8.3.3  改進的多背景變數協同量子粒子群演算法的圖像分割
  8.4  結論與討論
  本章參考文獻

  • 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