新書推薦：
《
西瓜船
》
售價：HK$
54.9
《
轻松阅读：如何高效阅读一本书
》
售價：HK$
65.8
《
帝都绘“图解世界文化遗产”三部曲（长城、中轴线、大运河）
》
售價：HK$
400.4
《
左岸译丛：袜子的哲学
》
售價：HK$
52.8
《
全球对话主义（第二版）
》
售價：HK$
107.8
《
思考，快与慢
》
售價：HK$
107.8
《
集成式机器学习算法理论与应用
》
售價：HK$
108.9
《
宋以前医籍考
》
售價：HK$
286.8
|
| 內容簡介： |
|
”内容：该教材从智能计算简介、神经计算、模糊计算、进化计算、群智能计算、密母计算、免疫计算、量子计算、多目标智能计算以及新型智能计算这10大板块介绍智能计算。模块1 智能计算简介：介绍人工智能的概念与历史、引出智能计算的人工智能的关系，介绍智能计算的分类，介绍智能计算相关应用领域。模块2 神经计算：介绍生物神经系统的相关知识，介绍人工神经网络的基本原理，介绍神经网络学习算法，介绍人工神经网络的分类，之后从前层神经网络过渡到深度神经网络，介绍几种典型的深度神经网络，并介绍深度神经网络的应用。模块3 模糊计算：介绍模糊集合与隶属度函数，介绍模糊关系及合成，介绍模糊推理，最后介绍模糊计算的应用。模块4 进化计算：介绍进化计算生物学背景，介绍遗传算法的原理和模型，介绍进化策略、进化规划与遗传规划。模块5 群智能计算：介绍群智能计算的相关背景知识，介绍粒子群算法、蚁群算法、菌群算法、以及其它群智能模型等。模块6 密母计算：介绍混合智能计算的基本概念，介绍单点搜索算法，介绍密母算法，介绍基于密母算法的社团检测，基于混合多目标蚁群优化算法的社团检测。模块7 免疫计算：介绍免疫计算基础，介绍几种免疫算法，介绍免疫计算应用。模块8 量子计算：介绍量子计算的智能基础，介绍量子计算模型，介绍量子智能优化算法。模块9 多目标智能计算：介绍多目标优化的相关概念，介绍进化多目标算法，介绍复杂进化多目标优化算法，介绍多目标智能计算的相关应用。模块10 新型智能计算：介绍智能计算的前沿技术：图神经网络和面向昂贵优化问题的进化计算，介绍智能计算未来的发展方向：进化计算与神经计算的结合、演化神经网络。特色：该教材的特色是系统全面的介绍各种智能计算方法，内容从易到难富有层次，同时该教材会介绍新型的智能计算技术，会对智能计算领域未来的发展给出一些展望。读者对象：该教材使用范围定位为33所拔尖人才高校计算机专业教学为主，可兼顾其他学校。”
|
| 目錄：
|
第1章 概论
1.1 人工智能简介
1.1.1 人工智能概念
1.1.2 人工智能发展历史
1.1.3 人工智能三大学派
1.2 智能计算与人工智能
1.2.1 智能计算概念
1.2.2 智能计算与人工智能的联系
1.3 智能计算分类
1.3.1 神经计算
1.3.2 模糊计算
1.3.3 进化计算
1.3.4 群智能计算
1.3.5 密母计算
1.3.6 免疫计算
1.3.7 量子计算
1.4 智能计算应用领域
1.4.1 智能计算在军事领域的应用
1.4.2 智能计算在数据挖掘领域的应用
1.4.3 智能计算在系统仿真领域的应用
1.4.4 智能计算在机器视觉领域的应用
1.4.5 智能计算在智能制造领域的应用
本章小结
习题
参考文献
第2章 神经计算
2.1 生物神经系统
2.1.1 生物神经元结构及工作机制
2.1.2 生物神经系统特点
2.2 人工神经网络
2.2.1 人工神经网络基本概念
2.2.2 人工神经网络模型
2.3 学习算法
2.3.1 单层感知器及其学习算法
2.3.2 BP神经网络及其学习算法
2.4 人工神经网络的类型
2.4.1 前馈神经网络
2.4.2 反馈神经网络
2.5 深度神经网络
2.5.1 从浅层神经网络到深度神经网络
2.5.2 卷积神经网络
2.5.3 循环神经网络
2.5.4 生成对抗网络
2.6 神经计算应用
2.6.1 文字识别
2.6.2 语音识别
2.6.3 图像生成
本章小结
习题
参考文献
第3章 模糊计算
3.1 模糊集合
3.1.1 模糊集合的定义
3.1.2 隶属度函数定义
3.1.3 模糊集合的表示
3.1.4 隶属度函数确定方法
3.1.5 模糊集合的运算
3.2 模糊关系及其合成
3.2.1 模糊矩阵
3.2.2 模糊关系
3.2.3 模糊关系的合成
3.3 模糊推理
3.3.1 模糊知识表示
3.3.2 模糊推理规则
3.3.3 模糊判决
3.4 模糊计算应用
3.4.1 模糊C均值聚类算法
3.4.2 模糊控制
本章小结
习题
参考文献
第4章 进化计算
4.1 进化计算的生物背景
4.1.1 进化计算的起源
4.1.2 进化计算的历史
4.1.3 进化计算的基本过程及分类
4.2 遗传算法
4.2.1 基本遗传算法的原理
4.2.2 遗传算法的求解过程
4.2.3 模式理论与积木块假设
4.2.4 改进的遗传算法
4.2.5 遗传算法应用
4.3 进化策略、进化规划与遗传规划
4.3.1 进化策略
4.3.2 进化规划
4.3.3 遗传规划
本章小结
习题
参考文献
第5章 群智能计算
5.1 群智能概述
5.1.1 群智能基本概念
5.1.2 群智能算法基本思想
5.2 PSO 算法
5.2.1 PSO算法背景
5.2.2 用于连续优化问题的PSO算法模型
5.2.3 PSO算法求解实例
5.2.4 PSO算法改进模型
5.2.5 PSO算法应用
5.3 蚁群算法
5.3.1 蚁群算法背景
5.3.2 用于离散优化问题的蚁群算法模型
5.3.3 蚁群算法求解实例
5.3.4 蚁群算法改进模型
5.3.5 蚁群算法应用
5.4 菌群算法
5.4.1 菌群算法背景
5.4.2 菌群算法原理
5.4.3 菌群算法应用
5.5 其他群智能模型
5.5.1 人工鱼群算法基本原理
5.5.2 狼群算法基本原理
本章小结
习题
参考文献
第6章 密母计算
6.1 混合智能计算基本概念
6.2 单点搜索算法
6.2.1 模拟退火算法
6.2.2 梯度下降算法
6.2.3 爬山算法
6.3 密母算法
6.3.1 密母算法的基本思想
6.3.2 密母算法的一般框架
6.3.3 超启发式局部搜索策略
6.3.4 协同进化局部搜索策略
6.4 基于密母算法的社团检测
6.4.1 问题定义
6.4.2 贪心算法
6.4.3 算法描述
6.4.4 实验结果及分析
6.5 基于混合多目标蚊群优化算法的社团检测
6.5.1 混合多目标蚁群优化算法的基本概念
6.5.2 目标函数的选择
6.5.3 算法描述
6.5.4 实验结果及分析
6.6 基于爬山算法的改进遗传算法
本章小结
习题
参考文献
第7章 免疫计算
7.1 免疫计算生物学背景
7.1.1 免疫系统
7.1.2 免疫应答机制
7.1.3 生物免疫系统的免疫理论
7.1.4 生物免疫系统的动力学基础
7.2 免疫计算基础
7.2.1 免疫计算研究概况
7.2.2 免疫计算分类
7.2.3 基本免疫算法
7.3 克隆选择算法
7.3.1 克隆选择算法的基本过程
7.3.2 克隆选择算法求解实例
7.4 免疫算法
7.4.1 否定选择算法
7.4.2 免疫网络算法
7.4.3 免疫多目标模型
7.4.4 混合免疫模型
7.5 免疫计算应用
本章小结
习题
参考文献
第8章 量子计算
8.1 量子计算物理基础
8.1.1 量子算法……第9章多目标智能计算第10章新型智能计算
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
