未读消息消息

店铺

我的订单收藏

拍卖

拍卖交易我的竞拍收藏

我的好友资金账户

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 8:00-21:00

纠纷处理 9:00-21:00

图书审核 9:00-18:00

监督与建议

请选择

手机孔网

计算智能导论

计算智能导论

分享

作者: [南非] 英吉布雷切特著 , 谭营译

出版社: 清华大学出版社

出版时间: 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

分类: 教材教辅考试>教材>大学教材>计算机与互联网

1 张插图图片

31人买过

　　《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

相关分类

一年级二年级三年级四年级五年级六年级小升初小学通用初一初二初三中考初中通用高一高二高三

计算智能导论【标题与图片不一致时,请质询，正版有货可开发票】

全新

翰林阁书店

海南省海口市

平均发货15小时成功完成率80.42%

￥242.00

券

100减20

立即购买加入购物车