自适应系统与机器智能

自适应系统与机器智能
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: ,
2016-07
版次: 1
ISBN: 9787111541141
定价: 59.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 192页
3人买过
  •   本书以如何使机器具有自适应于环境、类似人脑智能这一挑战性问题为中心,主要介绍了围绕这一问题的数据驱动与生物启发这两个主要研究方向的重要进展。本书主要内容可分为4个方面:(1)研究背景,介绍了自适应系统的类脑智能与传统计算的区别;(2)数据驱动方法,重点研究如何将海量数据转化为支撑决策过程的知识和信息这一问题,并介绍了增量学习、不平衡学习及集成学习等方法;(3)生物启发式方法,主要讲述生物信息处理的基本原理,以及如何开发具有学习、记忆、优化、预测等智能能力的计算框架;(4)机器智能的硬件实现。

    出版者的话

    译者序

    前言

    致谢

    第1章绪论

    1.1机器智能研究

    1.2两个层面:数据驱动方法和

    生物启发式方法

    1.3如何阅读本书

    1.3.1机器智能的数据驱动方法

    1.3.2机器智能的生物启发式

    方法

    1.4总结和延伸阅读

    参考文献

    第2章增量学习

    2.1引言

    2.2问题的提出

    2.3 自适应增量学习框架

    2.4映射函数设计

    2.4.1基于欧氏距离的映射

    函数

    2.4.2基于回归学习模型的映射

    函数

    2.4.3基于在线评估系统的映射

    函数

    2.5实例研究

    2.5.1视频流的增量学习

    2.5.2垃圾邮件分类的增量学习

    2.6总结

    参考文献

    第3章不平衡学习

    3.1引言

    3.2不平衡学习的本质

    3.3不平衡数据学习方法

    3.3.1不平衡数据学习的抽样法

    3.3.2不平衡数据学习的代价

    敏感方法

    3.3.3基于核的不平衡数据

    学习方法

    3.3.4不平衡数据学习的主动

    学习方法

    3.3.5不平衡数据学习的其他

    方法

    3.4不平衡数据学习的评价指标

    3.4.1单一评价指标

    3.4.2受试者工作特性( ROC)

    曲线

    3.4.3查准率一查全率(PR)曲线

    3.4.4代价曲线

    3.4.5多类不平衡数据学习评价

    指标

    3.5机遇和挑战

    3.6实例研究

    3.6.1非线性规范化

    3.6.2数据集分布

    3.6.3仿真结果和讨论

    3.7总结

    参考文献

    第4章集成学习

    4.1引言

    4.2假设多样性

    4.2.1 Q统计量

    第5章机器智能的自适应动态规划

    第6章联想学习

    第7章序列学习

    第8章机器智能的硬件设计

  • 内容简介:
      本书以如何使机器具有自适应于环境、类似人脑智能这一挑战性问题为中心,主要介绍了围绕这一问题的数据驱动与生物启发这两个主要研究方向的重要进展。本书主要内容可分为4个方面:(1)研究背景,介绍了自适应系统的类脑智能与传统计算的区别;(2)数据驱动方法,重点研究如何将海量数据转化为支撑决策过程的知识和信息这一问题,并介绍了增量学习、不平衡学习及集成学习等方法;(3)生物启发式方法,主要讲述生物信息处理的基本原理,以及如何开发具有学习、记忆、优化、预测等智能能力的计算框架;(4)机器智能的硬件实现。

  • 目录:
    出版者的话

    译者序

    前言

    致谢

    第1章绪论

    1.1机器智能研究

    1.2两个层面:数据驱动方法和

    生物启发式方法

    1.3如何阅读本书

    1.3.1机器智能的数据驱动方法

    1.3.2机器智能的生物启发式

    方法

    1.4总结和延伸阅读

    参考文献

    第2章增量学习

    2.1引言

    2.2问题的提出

    2.3 自适应增量学习框架

    2.4映射函数设计

    2.4.1基于欧氏距离的映射

    函数

    2.4.2基于回归学习模型的映射

    函数

    2.4.3基于在线评估系统的映射

    函数

    2.5实例研究

    2.5.1视频流的增量学习

    2.5.2垃圾邮件分类的增量学习

    2.6总结

    参考文献

    第3章不平衡学习

    3.1引言

    3.2不平衡学习的本质

    3.3不平衡数据学习方法

    3.3.1不平衡数据学习的抽样法

    3.3.2不平衡数据学习的代价

    敏感方法

    3.3.3基于核的不平衡数据

    学习方法

    3.3.4不平衡数据学习的主动

    学习方法

    3.3.5不平衡数据学习的其他

    方法

    3.4不平衡数据学习的评价指标

    3.4.1单一评价指标

    3.4.2受试者工作特性( ROC)

    曲线

    3.4.3查准率一查全率(PR)曲线

    3.4.4代价曲线

    3.4.5多类不平衡数据学习评价

    指标

    3.5机遇和挑战

    3.6实例研究

    3.6.1非线性规范化

    3.6.2数据集分布

    3.6.3仿真结果和讨论

    3.7总结

    参考文献

    第4章集成学习

    4.1引言

    4.2假设多样性

    4.2.1 Q统计量

    第5章机器智能的自适应动态规划

    第6章联想学习

    第7章序列学习

    第8章机器智能的硬件设计

查看详情
系列丛书 / 更多
自适应系统与机器智能
机电一体化系统设计(原书第2版)
[美]戴夫德斯·谢蒂(DevdasShetty)、理查德A.科尔克(RichardA.kolk) 著;薛建彬 译
自适应系统与机器智能
数字控制系统分析与设计(原书第4版)
王萍 译
自适应系统与机器智能
机械电子学:机械和电气工程中的电子控制系统(英文版·第6版)
[英]威廉·博尔顿(William Bolton) 著
自适应系统与机器智能
工业电器与电动机控制(原书第2版)
[美]雷克斯·米勒 著;路志英 译
自适应系统与机器智能
仿真建模与分析(原书第5版)
[美]埃弗里尔 M.劳 著;范文慧、肖田元 译
相关图书 / 更多
您可能感兴趣 / 更多
自适应系统与机器智能
幼儿园教育活动设计与实践
何海波
自适应系统与机器智能
天下·行政诉讼法(第三版)
何海波 著
自适应系统与机器智能
卫星导航定位原理//卫星导航工程技术丛书杨元喜主编
何海波 著;杨元喜、郭海荣、蔚保国 编
自适应系统与机器智能
实质法治:寻求行政判决的合法性
何海波 著
自适应系统与机器智能
行政法治奠基时:1989年《行政诉讼法》史料荟萃
何海波 著
自适应系统与机器智能
中外行政诉讼法汇编
何海波 编
自适应系统与机器智能
行政诉讼法(第二版)
何海波 作者
自适应系统与机器智能
法治的脚步声 中国行政法大事记(1978-2014)
何海波、晏翀、严驰恒 著;马怀德 编
自适应系统与机器智能
行政诉讼法
何海波 著
自适应系统与机器智能
实质法治:寻求行政判决的合法性
何海波 著
自适应系统与机器智能
人权二十讲
何海波 编
自适应系统与机器智能
司法审查的合法性基础:英国话题
何海波 著