计算智能导论

计算智能导论
7.4
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: [南非]
出版社: 清华大学出版社
2010-06
版次: 1
ISBN: 9787302222057
定价: 59.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 471页
字数: 765千字
正文语种: 简体中文
  •   《计算智能导论(第2版)》导论性地介绍了计算智能的5个典型范例:人工神经网络、进化计算、计算群体智能、人工免疫系统和模糊系统。它们分别是对生物神经系统、生物进化过程、社会组织的群体行为、自然免疫系统和人类思维过程的成功建模。这些范例已经得到了广泛深入的研究,人们在取得了很大的成功之后,已将研究成果广泛地应用到了众多的实际应用领域。极大提高了人们发现问题,求解问题,尤其是求解复杂科学与工程问题的能力。
      通过阅读《计算智能导论(第2版)》,读者可以全面地了解到目前计算智能研究的主要成果和最新进展,对相关专业的研究生、高年级本科生、高校教师、科研人员和工程技术人员都具有很好的参考价值,故我们决定将该书的英文版第2版翻译成中文出版,希望《计算智能导论(第2版)》中文版的出版能够推动计算智能在我国的普及和广泛深入的研究,促进我国智能科学的发展和进步。
      全书分成6个部分共23章和1个附录。 第I部分引言
    第1章计算智能简介
    1.1计算智能典型方法
    1.1.1人工神经网络
    1.1.2进化计算
    1.1.3群体智能
    1.1.4人工免疫系统
    1.1.5模糊系统
    1.2简短历史
    1.3习题

    第Ⅱ部分人工神经网络
    第2章人工神经元
    2.1计算网络输入信号
    2.2激活函数
    2.3人工神经元几何构型
    2.4人工神经元学习
    2.4.1增广向量
    2.4.2梯度下降学习规则
    2.4.3Widrow-Hoff学习规则
    2.4.4广义delta学习规则
    2.4.5误差修正学习规则
    2.5习题

    第3章监督学习神经网络
    3.1神经网络的类型
    3.1.1前馈神经网络
    3.1.2函数链神经网络
    3.1.3乘积单元神经网络
    3.1.4简单反馈神经网络
    3.1.5时延神经网络
    3.1.6级联神经网络
    3.2监督学习规则
    3.2.1监督学习问题
    3.2.2梯度下降优化
    3.2.3尺度化共轭梯度
    3.2.4LeapFrog优化
    3.2.5粒子群优化
    3.3隐层单元的功能
    3.4集成神经网络
    3.5习题

    第4章非监督学习神经网络
    4.1背景
    4.2Hebbian学习规则
    4.3主成分学习规则
    4.4学习向量量化-I
    4.5自组织特征映射
    4.5.1随机训练规则
    4.5.2批映射
    4.5.3可生长SOM
    4.5.4加快收敛速度
    4.5.5聚类和可视化
    4.5.6使用SOM
    4.6习题

    第5章径向基函数网络
    5.1学习向量量化.II
    5.2径向基函数神经网络
    5.2.1径向基函数网络结构
    5.2.2径向基函数
    5.2.3训练算法
    5.2.4径向基函数网络的变体
    5.3习题

    第6章增强学习
    6.1通过奖励学习
    6.2无模型增强学习模型
    6.2.1即时差分学习
    6.2.2Q学习
    6.3神经网络和增强学习
    6.3.1RPROP
    6.3.2梯度下降增强学习
    6.3.3连接主义的O-学习
    6.4习题

    第7章监督学习的性能问题
    7.1性能准则
    7.1.1精度
    7.1.2复杂度
    7.1.3收敛性
    7.2性能分析
    7.3性能因素
    7.3.1数据预备
    7.3.2权值初始化
    7.3.3学习率和冲量
    7.3.4优化方法
    7.3.5结构选择
    7.3.6自适应激活函数
    7.3.7主动学习
    7.4习题

    第Ⅲ部分进化计算
    第8章进化计算导论
    8.1一般进化算法
    8.2染色体的表示
    8.3初始种群
    8.4适应度函数
    8.5选择
    8.5.1选择压力
    8.5.2随机选择
    8.5.3比例选择
    8.5.4锦标赛选择
    8.5.5排序选择
    8.5.6波尔兹曼选择
    8.5.7(u+r)选择
    8.5.8精英选择
    8.5.9名人堂
    8.6繁殖算子
    8.7终止条件
    8.8进化计算与经典优化算法
    8.9题

    第9章遗传算法
    9.1经典遗传算法
    9.2交叉
    9.2.1二进制表示
    9.2.2浮点表示
    9.3变异
    9.3.1二进制表示
    9.3.2浮点表示
    9.3.3宏变异算子.无头鸡
    9.4控制参数
    9.5遗传算法的变体
    9.5.1代沟方法
    9.5.2杂乱遗传算法
    9.5.3交互进化
    9.5.4.岛屿遗传算法
    9.6前沿专题
    9.6.1小生境遗传算法
    9.6.2约束处理
    9.6.3多目标优化
    9.6.4.动态环境
    9.7应用
    9.8作业

    第10章遗传编程
    10.1基于树的表示
    10.2初始群体
    10.3适应度函数
    10.4交叉算子
    10.5变异算子
    10.6积木块遗传规划
    10.7应用
    10.8习题

    第11章进化规划
    11.1基本进化规划
    11.2进化规划算子
    11.2.1变异算子
    11.2.2选择算子
    ……
    11.3策略参数148
    11.4进化规划的实现153
    11.5前沿专题157
    11.7习题161

    第12章进化策略162
    12.1(1+1)-进化策略162
    12.2一般进化策略算法163
    12.3策略参数和自适应164
    12.4进化策略算子168
    12.5进化策略变种172
    12.6高级话题174
    1261约束处理方法175
    12.7进化策略的应用179
    12.8习题180

    第13章差分进化181
    13.1基本的差分进化181
    13.2差分进化/x/y/z186
    13.3基本差分进化的变种187
    13.4离散值问题的差分进化193
    13.5高级话题195
    13.6应用198
    13.7习题199

    第14章文化算法200
    14.1文化和人工文化200
    14.2基本的文化算法201
    14.3信念空间202
    14.4模糊文化算法206
    14.5高级话题208
    14.6应用210
    14.7习题211

    第15章协同进化212
    15.1协同进化类型212
    15.2竞争协同进化213
    15.3协作协同进化217
    15.4习题218

    第Ⅳ部分计算群体智能
    第16章粒子群优化221
    16.1基本粒子群优化221
    16.2社会网络结构229
    16.3基本变种231
    16.4基本PSO的参数238
    16.5单解粒子群优化240
    16.6高级专题260
    16.7应用269
    16.8习题272

    第17章蚂蚁算法273
    17.1蚁群优化元启发273
    17.2墓地组织与育雏293
    17.3分工298
    17.4高级专题302
    17.5应用309
    17.6习题313

    第Ⅴ部分人工免疫系统
    第18章自然免疫系统317
    18.1经典模型317
    18.2抗体与抗原318
    18.3白细胞318
    18.4免疫类型321
    18.5抗原结构的学习321
    18.6网络理论322
    18.7危险理论322
    18.8习题323

    第19章人工免疫模型324
    19.1人工免疫系统算法324
    19.2经典模型326
    19.2进化方法327
    19.3克隆选择理论模型328
    19.4网络理论模型333
    19.5危险理论340
    19.6应用及其他AIS模型343
    19.7习题343

    第Ⅵ部分模糊系统
    第20章模糊集347
    20.1正式定义347
    20.2隶属函数348
    20.3模糊算子350
    20.4模糊集的特性353
    20.5模糊和概率354
    20.6习题354

    第21章模糊逻辑和模糊推理356
    21.1模糊逻辑356
    21.2模糊推理359
    21.3习题362

    第22章模糊控制器364
    22.1模糊控制器的部件364
    22.2模糊控制器类型365
    22.3习题366

    第23章粗糙集368
    23.1辨别力的概念369
    23.2粗糙集中的模糊370
    23.3模糊集中的不确定性370
    23.4习题371
    参考文献372

    附录A优化理论431
    A.1优化问题的基本要素431
    A.2优化问题分类431
    A.3最优值类型432
    A.4优化方法分类433
    A.5非约束优化434
    A.6约束优化438
    A.7多解问题443
    A.8多目标优化445
    A.9动态优化问题449
    术语表453
  • 内容简介:
      《计算智能导论(第2版)》导论性地介绍了计算智能的5个典型范例:人工神经网络、进化计算、计算群体智能、人工免疫系统和模糊系统。它们分别是对生物神经系统、生物进化过程、社会组织的群体行为、自然免疫系统和人类思维过程的成功建模。这些范例已经得到了广泛深入的研究,人们在取得了很大的成功之后,已将研究成果广泛地应用到了众多的实际应用领域。极大提高了人们发现问题,求解问题,尤其是求解复杂科学与工程问题的能力。
      通过阅读《计算智能导论(第2版)》,读者可以全面地了解到目前计算智能研究的主要成果和最新进展,对相关专业的研究生、高年级本科生、高校教师、科研人员和工程技术人员都具有很好的参考价值,故我们决定将该书的英文版第2版翻译成中文出版,希望《计算智能导论(第2版)》中文版的出版能够推动计算智能在我国的普及和广泛深入的研究,促进我国智能科学的发展和进步。
      全书分成6个部分共23章和1个附录。
  • 目录:
    第I部分引言
    第1章计算智能简介
    1.1计算智能典型方法
    1.1.1人工神经网络
    1.1.2进化计算
    1.1.3群体智能
    1.1.4人工免疫系统
    1.1.5模糊系统
    1.2简短历史
    1.3习题

    第Ⅱ部分人工神经网络
    第2章人工神经元
    2.1计算网络输入信号
    2.2激活函数
    2.3人工神经元几何构型
    2.4人工神经元学习
    2.4.1增广向量
    2.4.2梯度下降学习规则
    2.4.3Widrow-Hoff学习规则
    2.4.4广义delta学习规则
    2.4.5误差修正学习规则
    2.5习题

    第3章监督学习神经网络
    3.1神经网络的类型
    3.1.1前馈神经网络
    3.1.2函数链神经网络
    3.1.3乘积单元神经网络
    3.1.4简单反馈神经网络
    3.1.5时延神经网络
    3.1.6级联神经网络
    3.2监督学习规则
    3.2.1监督学习问题
    3.2.2梯度下降优化
    3.2.3尺度化共轭梯度
    3.2.4LeapFrog优化
    3.2.5粒子群优化
    3.3隐层单元的功能
    3.4集成神经网络
    3.5习题

    第4章非监督学习神经网络
    4.1背景
    4.2Hebbian学习规则
    4.3主成分学习规则
    4.4学习向量量化-I
    4.5自组织特征映射
    4.5.1随机训练规则
    4.5.2批映射
    4.5.3可生长SOM
    4.5.4加快收敛速度
    4.5.5聚类和可视化
    4.5.6使用SOM
    4.6习题

    第5章径向基函数网络
    5.1学习向量量化.II
    5.2径向基函数神经网络
    5.2.1径向基函数网络结构
    5.2.2径向基函数
    5.2.3训练算法
    5.2.4径向基函数网络的变体
    5.3习题

    第6章增强学习
    6.1通过奖励学习
    6.2无模型增强学习模型
    6.2.1即时差分学习
    6.2.2Q学习
    6.3神经网络和增强学习
    6.3.1RPROP
    6.3.2梯度下降增强学习
    6.3.3连接主义的O-学习
    6.4习题

    第7章监督学习的性能问题
    7.1性能准则
    7.1.1精度
    7.1.2复杂度
    7.1.3收敛性
    7.2性能分析
    7.3性能因素
    7.3.1数据预备
    7.3.2权值初始化
    7.3.3学习率和冲量
    7.3.4优化方法
    7.3.5结构选择
    7.3.6自适应激活函数
    7.3.7主动学习
    7.4习题

    第Ⅲ部分进化计算
    第8章进化计算导论
    8.1一般进化算法
    8.2染色体的表示
    8.3初始种群
    8.4适应度函数
    8.5选择
    8.5.1选择压力
    8.5.2随机选择
    8.5.3比例选择
    8.5.4锦标赛选择
    8.5.5排序选择
    8.5.6波尔兹曼选择
    8.5.7(u+r)选择
    8.5.8精英选择
    8.5.9名人堂
    8.6繁殖算子
    8.7终止条件
    8.8进化计算与经典优化算法
    8.9题

    第9章遗传算法
    9.1经典遗传算法
    9.2交叉
    9.2.1二进制表示
    9.2.2浮点表示
    9.3变异
    9.3.1二进制表示
    9.3.2浮点表示
    9.3.3宏变异算子.无头鸡
    9.4控制参数
    9.5遗传算法的变体
    9.5.1代沟方法
    9.5.2杂乱遗传算法
    9.5.3交互进化
    9.5.4.岛屿遗传算法
    9.6前沿专题
    9.6.1小生境遗传算法
    9.6.2约束处理
    9.6.3多目标优化
    9.6.4.动态环境
    9.7应用
    9.8作业

    第10章遗传编程
    10.1基于树的表示
    10.2初始群体
    10.3适应度函数
    10.4交叉算子
    10.5变异算子
    10.6积木块遗传规划
    10.7应用
    10.8习题

    第11章进化规划
    11.1基本进化规划
    11.2进化规划算子
    11.2.1变异算子
    11.2.2选择算子
    ……
    11.3策略参数148
    11.4进化规划的实现153
    11.5前沿专题157
    11.7习题161

    第12章进化策略162
    12.1(1+1)-进化策略162
    12.2一般进化策略算法163
    12.3策略参数和自适应164
    12.4进化策略算子168
    12.5进化策略变种172
    12.6高级话题174
    1261约束处理方法175
    12.7进化策略的应用179
    12.8习题180

    第13章差分进化181
    13.1基本的差分进化181
    13.2差分进化/x/y/z186
    13.3基本差分进化的变种187
    13.4离散值问题的差分进化193
    13.5高级话题195
    13.6应用198
    13.7习题199

    第14章文化算法200
    14.1文化和人工文化200
    14.2基本的文化算法201
    14.3信念空间202
    14.4模糊文化算法206
    14.5高级话题208
    14.6应用210
    14.7习题211

    第15章协同进化212
    15.1协同进化类型212
    15.2竞争协同进化213
    15.3协作协同进化217
    15.4习题218

    第Ⅳ部分计算群体智能
    第16章粒子群优化221
    16.1基本粒子群优化221
    16.2社会网络结构229
    16.3基本变种231
    16.4基本PSO的参数238
    16.5单解粒子群优化240
    16.6高级专题260
    16.7应用269
    16.8习题272

    第17章蚂蚁算法273
    17.1蚁群优化元启发273
    17.2墓地组织与育雏293
    17.3分工298
    17.4高级专题302
    17.5应用309
    17.6习题313

    第Ⅴ部分人工免疫系统
    第18章自然免疫系统317
    18.1经典模型317
    18.2抗体与抗原318
    18.3白细胞318
    18.4免疫类型321
    18.5抗原结构的学习321
    18.6网络理论322
    18.7危险理论322
    18.8习题323

    第19章人工免疫模型324
    19.1人工免疫系统算法324
    19.2经典模型326
    19.2进化方法327
    19.3克隆选择理论模型328
    19.4网络理论模型333
    19.5危险理论340
    19.6应用及其他AIS模型343
    19.7习题343

    第Ⅵ部分模糊系统
    第20章模糊集347
    20.1正式定义347
    20.2隶属函数348
    20.3模糊算子350
    20.4模糊集的特性353
    20.5模糊和概率354
    20.6习题354

    第21章模糊逻辑和模糊推理356
    21.1模糊逻辑356
    21.2模糊推理359
    21.3习题362

    第22章模糊控制器364
    22.1模糊控制器的部件364
    22.2模糊控制器类型365
    22.3习题366

    第23章粗糙集368
    23.1辨别力的概念369
    23.2粗糙集中的模糊370
    23.3模糊集中的不确定性370
    23.4习题371
    参考文献372

    附录A优化理论431
    A.1优化问题的基本要素431
    A.2优化问题分类431
    A.3最优值类型432
    A.4优化方法分类433
    A.5非约束优化434
    A.6约束优化438
    A.7多解问题443
    A.8多目标优化445
    A.9动态优化问题449
    术语表453
查看详情
好书推荐 / 更多
计算智能导论
20世纪思想史:从弗洛伊德到互联网
[英]彼得·沃森 著;杨阳 译;张凤
计算智能导论
想象一朵未来的玫瑰
[葡]费尔南多·佩索阿 著;杨铁军 译
计算智能导论
语言与死亡/当代激进思想家译丛
[意]吉奥乔·阿甘本 著
计算智能导论
爸爸妈妈,请做我的摄影师:十万父母拍娃智慧分享儿童摄影
枫糖盒子 著
计算智能导论
陈规再造:巫鸿美术史文集卷三
[美]巫鸿 著;郑岩 编
计算智能导论
另一个世界:中国记忆1961-1962
[瑞典]林西莉 著;李之义 译
计算智能导论
生活,在别处:海明威影像集
鲍里斯·维多夫斯基 著;吴天楚 译;[美国]玛瑞儿·海明威;高方;王天宇
计算智能导论
大西洋的故事
[英]西蒙·温彻斯特(Simon Winchester) 著
计算智能导论
图说勃鲁盖尔
[日]冈部纮三 著;曹逸冰 译
计算智能导论
巴别塔(我要世界都听见我的声音,我曾被压抑,但绝不沉默。)(读客外国小说文库)
[英]A.S.拜厄特 著;王一鸣 译
计算智能导论
四十二年,我的"恶邻"李敖大师
林恒范 著;[中国台湾]林丽蘋 口述
计算智能导论
灭绝与演化:化石中的生命全史
[美]尼尔斯·艾崔奇 著;周亚纯 译;董丽萍