软计算

作者: 普拉蒂哈著 , 王攀译

出版社: 科学出版社

出版时间: 2009-04

版次: 1

ISBN: 9787030231079

定价: 40.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 194页

字数: 244千字

正文语种: 简体中文

丛书: 软件研发精品译丛

分类: 计算机与互联网

10人买过

　　《软计算》首先介绍了硬计算、软计算和优化等基本概念及有关方法，继而详细讨论了软计算的三大成员方法，即遗传算法、模糊理论与方法和神经网络，最后逐章论述了组合遗传算法一模糊逻辑、组合遗传算法一神经网络、组合神经网络一模糊逻辑等成员方法的集成。书中算法讨论与许多已解决的数值例子相结合，便于理解；在应用上强调软计算算法的组合。
　　《软计算》可作为控制、信息、机电、系统科学与工程、计算机等专业高年级本科生、研究生的教材或教学参考书。译者序
前言
术语
希腊符号
缩写
第1章绪论
1.1硬计算
1.1.1硬计算的特征
1.2软计算
1.2.1软计算的概念
1.2.2软计算的特征
1.3混合计算
1.4总结
1.5练习
第2章优化与一些传统方法
2.1优化引论
2.1.1一个实际例子
2.1.2优化问题的分类
2.1.3优化的原理
2.1.4对偶原理
2.2传统优化方法
2.2.1穷举法
2.2.2随机步法
2.2.3最速下降法
2.2.4传统优化方法的不足
2.3总结
2.4练习
第3章遗传算法介绍
3.1遗传算法的工作流程
3.2二进制编码GA
3.2.1交叉和变异
3.2.2一个手工计算
3.2.3GA的基本定理／模式定理
3.2.4二进制编码GA的局限性
3.3GA参数设置
3.4GA中的约束处理
3.4.1惩罚函数方法
3.5遗传算法的优缺点
3.6总结
3.7练习
第4章几种专门化的遗传算法
4.1实值编码GA
4.1.1交叉算子
4.1.2变异算子
4.2微-GA
4.3可视化交互式GA
4.3.1映射方法
4.3.2仿真结果
4.3.3VIGA的工作原理
4.4调度GA
4.4.1边缘重组
4.4.2序交叉井1
4.4.3序交叉#2
4.4.4循环交叉
4.4.5基于位置的交叉
4.4.6部分映射交叉
4.5总结
4.6练习
第5章模糊集引论
5.1精确集
5.1.1集合论中的符号
5.1.2精确集的运算
5.1.3精确集的性质
5.2模糊集
5.2.1模糊集的表示
5.2.2精确集与模糊集之间的差异
5.2.3模糊集中的一些定义
5.2.4模糊集中的一些标准运算
5.2.5模糊集的性质
5.3总结
5.4练习
第6章模糊推理与聚类
6.1引言
6.2模糊逻辑控制器
6.2.1两个主要的模糊逻辑控制器
6.2.2层次模糊逻辑控制器
6.2.3灵敏度分析
6.2.4模糊逻辑控制器的优缺点
6.3模糊聚类
6.3.1模糊C-均值聚类
6.3.2基于熵的模糊聚类
6.4总结
6.5练习
第7章神经网络基础
7.1引言
7.1.1生物神经元
7.1.2人工神经元
7.1.3单层神经元
7.1.4多层神经元
7.2静态和动态神经网络的比较
7.3神经网络的训练
7.3.1有监督学习
7.3.2无监督学习
7.4总结
7.5练习
第8章几个神经网络的例子
8.1引言
8.2多层前馈神经网络
8.2.1前向计算
8.2.2采用反向传播算法的网络训练
8.2.3设计一个合适的NN应遵循的步骤
8.2.4优缺点
8.2.5一个数值例子
8.3径向基函数网络
8.3.1前向计算
8.3.2采用反向传播算法的RBFN的调节
8.4自组织映射
8.4.1竞争
8.4.2合作
8.4.3更新
8.4.4最终映射
8.4.5仿真结果
8.5递归神经网络
8.5.1Elman网络
8.5.2Jordan网络
8.5.3组合的Elman和Jordan网络
8.6总结
8.7练习
第9章组合遗传算法-模糊逻辑
9.1引言
9.2模糊-遗传算法
9.3遗传-模糊系统
9.3.1文献简要回顾
9.3.2遗传-模糊系统的工作原理
9.4总结
9.5练习
第10章组合遗传算法-神经网络
10.1引言
10.2遗传-神经系统的工作原理
10.2.1前向计算
10.2.2手算实例
10.3总结
10.4练习
第11章组合神经网络-模糊逻辑
11.1引言
11.2基于Mamdani方法的神经模糊系统
11.2.1采用反向传播算法对神经-模糊系统的调节
11.2.2采用遗传算法对神经-模糊系统的调节
11.2.3一个数值例子
11.3基于Takagi-Sugeno方法的神经模糊系统
11.3.1采用遗传算法对ANFIS的调节
11.3.2一个数值例子
11.4总结
11.5练习
参考文献
附录软计算中的两个问题的讨论
一、方法集成与软计算方法集成
二、关于软计算与仿生计算
内容简介:
　　《软计算》首先介绍了硬计算、软计算和优化等基本概念及有关方法，继而详细讨论了软计算的三大成员方法，即遗传算法、模糊理论与方法和神经网络，最后逐章论述了组合遗传算法一模糊逻辑、组合遗传算法一神经网络、组合神经网络一模糊逻辑等成员方法的集成。书中算法讨论与许多已解决的数值例子相结合，便于理解；在应用上强调软计算算法的组合。
　　《软计算》可作为控制、信息、机电、系统科学与工程、计算机等专业高年级本科生、研究生的教材或教学参考书。
目录:
译者序
前言
术语
希腊符号
缩写
第1章绪论
1.1硬计算
1.1.1硬计算的特征
1.2软计算
1.2.1软计算的概念
1.2.2软计算的特征
1.3混合计算
1.4总结
1.5练习
第2章优化与一些传统方法
2.1优化引论
2.1.1一个实际例子
2.1.2优化问题的分类
2.1.3优化的原理
2.1.4对偶原理
2.2传统优化方法
2.2.1穷举法
2.2.2随机步法
2.2.3最速下降法
2.2.4传统优化方法的不足
2.3总结
2.4练习
第3章遗传算法介绍
3.1遗传算法的工作流程
3.2二进制编码GA
3.2.1交叉和变异
3.2.2一个手工计算
3.2.3GA的基本定理／模式定理
3.2.4二进制编码GA的局限性
3.3GA参数设置
3.4GA中的约束处理
3.4.1惩罚函数方法
3.5遗传算法的优缺点
3.6总结
3.7练习
第4章几种专门化的遗传算法
4.1实值编码GA
4.1.1交叉算子
4.1.2变异算子
4.2微-GA
4.3可视化交互式GA
4.3.1映射方法
4.3.2仿真结果
4.3.3VIGA的工作原理
4.4调度GA
4.4.1边缘重组
4.4.2序交叉井1
4.4.3序交叉#2
4.4.4循环交叉
4.4.5基于位置的交叉
4.4.6部分映射交叉
4.5总结
4.6练习
第5章模糊集引论
5.1精确集
5.1.1集合论中的符号
5.1.2精确集的运算
5.1.3精确集的性质
5.2模糊集
5.2.1模糊集的表示
5.2.2精确集与模糊集之间的差异
5.2.3模糊集中的一些定义
5.2.4模糊集中的一些标准运算
5.2.5模糊集的性质
5.3总结
5.4练习
第6章模糊推理与聚类
6.1引言
6.2模糊逻辑控制器
6.2.1两个主要的模糊逻辑控制器
6.2.2层次模糊逻辑控制器
6.2.3灵敏度分析
6.2.4模糊逻辑控制器的优缺点
6.3模糊聚类
6.3.1模糊C-均值聚类
6.3.2基于熵的模糊聚类
6.4总结
6.5练习
第7章神经网络基础
7.1引言
7.1.1生物神经元
7.1.2人工神经元
7.1.3单层神经元
7.1.4多层神经元
7.2静态和动态神经网络的比较
7.3神经网络的训练
7.3.1有监督学习
7.3.2无监督学习
7.4总结
7.5练习
第8章几个神经网络的例子
8.1引言
8.2多层前馈神经网络
8.2.1前向计算
8.2.2采用反向传播算法的网络训练
8.2.3设计一个合适的NN应遵循的步骤
8.2.4优缺点
8.2.5一个数值例子
8.3径向基函数网络
8.3.1前向计算
8.3.2采用反向传播算法的RBFN的调节
8.4自组织映射
8.4.1竞争
8.4.2合作
8.4.3更新
8.4.4最终映射
8.4.5仿真结果
8.5递归神经网络
8.5.1Elman网络
8.5.2Jordan网络
8.5.3组合的Elman和Jordan网络
8.6总结
8.7练习
第9章组合遗传算法-模糊逻辑
9.1引言
9.2模糊-遗传算法
9.3遗传-模糊系统
9.3.1文献简要回顾
9.3.2遗传-模糊系统的工作原理
9.4总结
9.5练习
第10章组合遗传算法-神经网络
10.1引言
10.2遗传-神经系统的工作原理
10.2.1前向计算
10.2.2手算实例
10.3总结
10.4练习
第11章组合神经网络-模糊逻辑
11.1引言
11.2基于Mamdani方法的神经模糊系统
11.2.1采用反向传播算法对神经-模糊系统的调节
11.2.2采用遗传算法对神经-模糊系统的调节
11.2.3一个数值例子
11.3基于Takagi-Sugeno方法的神经模糊系统
11.3.1采用遗传算法对ANFIS的调节
11.3.2一个数值例子
11.4总结
11.5练习
参考文献
附录软计算中的两个问题的讨论
一、方法集成与软计算方法集成
二、关于软计算与仿生计算

查看详情

软计算

内容简介:

目录: