計算智能 陳麗芳 侯偉 9787302680178 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202501*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：計算智能
ISBN：9787302680178
出版社：清華大學
著編譯者：陳麗芳 侯偉
頁數：290
所在地：中國大陸 *此為代購商品
書號：1710919
可大量預訂，請先連絡。

內容簡介

本書以模糊計算、神經計算、進化計算三大模塊為主，從理論基礎和實踐應用兩個維度全面、系統地介紹關於計算智能的常見算法，並設計8個上機實驗，以滿足前面章節內容模擬驗證的需要。全書共11章，內容分別為緒論、模糊系統理論、模糊系統應用、神經網絡理論、支持向量機、深度學習、遺傳算法、遺傳規劃、蟻群算法、粒子群算法、新型群智能優化算法等知識，並對大部分知識點配以相應的案例。 本書主要面向廣大從事數據分析、機器學習、數據挖掘或深度學習的專業人員，從事高等教育的專任教師，高等學校的在讀學生及相關領域的廣大科技人員。

目錄

第1章 緒論
1 1 什麼是智能
1 2 生物智能
1 3 人工智能
1 4 計算智能
1 4 1 模糊計算
1 4 2 神經計算
1 4 3 進化計算
第一單元模糊計算
第2章 模糊系統理論
2 1 模糊集合
2 1 1 經典集合
2 1 2 模糊集合與隸屬函數
2 1 3 模糊集合的表示方法
2 1 4 模糊集合的運算
2 2 模糊關係
2 2 1 普通關係
2 2 2 模糊關係的概念
2 2 3 模糊關係的性質
2 2 4 模糊關係的運算
2 2 5 模糊關係的複合
2 2 6 模糊關係的轉置
2 2 7 模糊關係的截矩陣
2 2 8 模糊關係的傳遞閉包
2 3 模糊邏輯
本章習題
第3章 模糊系統應用
3 1 模糊聚類分析
3 1 1 模糊聚類的基本概念
3 1 2 模糊聚類的具體步驟
3 2 模糊模式識別
3 2 1 模式識別原則
3 2 2 模式識別的直接方法
3 2 3 模式識別的間接方法
3 3 模糊綜合評判
3 3 1 基本概念
3 3 2 一級模糊綜合評判
3 3 3 多級模糊綜合評判
3 4 模糊控制
3 4 1 模糊推理
3 4 2 模糊控制
本章習題
第二單元神經計算
第4章 神經網絡理論
4 1 神經網絡簡介
4 1 1 神經網絡的研究進展
4 1 2 神經網絡的基本原理
4 2 神經網絡的學習規則
4 2 1 神經網絡的分類
4 2 2 神經網絡的學習
4 2 3 神經網絡的信息處理能力
4 2 4 神經網絡的應用
4 2 5 神經網絡與人工智能
4 3 單層前向網絡
4 3 1 單層感知器
4 3 2 自適應線性元件
4 3 3 LMS學習算法
4 4 多層前向網絡
4 4 1 多層感知器
4 4 2 BP神經網絡
4 4 3 RBF神經網絡
4 5 Hopfield神經網絡
4 5 1 離散Hopfield神經網絡
4 5 2 連續Hopfield神經網絡
4 5 3 聯想記憶
4 6 神經網絡的應用案例
4 6 1 鐵礦粉燒結的基礎特性預測
4 6 2 葡萄酒品質的評價
4 6 3 地震數據中隨機雜訊的去噪
4 6 4 股票價格預測
4 6 5 水泥熟料的強度預測
本章習題
第5章 支持向量機
5 1 支持向量機概述
5 1 1 歷史背景
5 1 2 統計學習理論
5 2 分類支持向量機
5 2 1 最優分類超平面
5 2 2 線性支持向量機
5 2 3 非線性支持向量機
5 2 4 SVM與多層前向網絡的比較
5 2 5 學習算法
5 3 回歸支持向量機
5 3 1 損失函數
5 3 2 回歸支持向量機的實現
5 4 支持向量機的應用
5 4 1 實例1：支持向量機解決異或問題
5 4 2 實例2：用支持向量機對人工樣本進行分類
5 4 3 實例3：基於粒計算的哈夫曼樹SVM多分類模型研究
本章習題
第6章 深度學習
6 1 深度學習概述
6 1 1 起源和命運變遷
6 1 2 基本概念和思想
6 1 3 深度學習與神經網絡
6 1 4 訓練過程
6 2 深度學習模型
6 2 1 深度神經網絡
6 2 2 卷積神經網絡
6 2 3 循環神經網絡
6 2 4 生成對抗網絡
6 3 深度學習框架
6 4 深度學習的應用案例
6 4 1 玉米籽粒的完整性識別
6 4 2 從葉片圖像推斷植物病害
6 4 3 黃瓜分類
本章習題
第三單元進化計算
第7章 遺傳算法
7 1 遺傳算法簡介
7 1 1 發展歷程
7 1 2 生物學基礎
7 1 3 遺傳算法的特點
7 2 遺傳算法的原理與實現
7 2 1 遺傳算法的原理
7 2 2 遺傳編碼
7 2 3 遺傳操作
7 3 遺傳算法的應用
本章習題
第8章 遺傳規劃
8 1 概述
8 1 1 遺傳算法的局限性
8 1 2 遺傳規劃簡介
8 1 3 遺傳規劃的步驟
8 2 遺傳規劃的應用
8 2 1 降水量預測
8 2 2 土石壩沉降預測
本章習題
第9章 蟻群算法
9 1 蟻群算法簡介
9 1 1 蟻群算法的背景
9 1 2 蟻群算法的原理
9 1 3 蟻群算法的思想
9 1 4 蟻群算法的特點
9 2 蟻群算法的實現
9 2 1 模型構建
9 2 2 算法流程
9 2 3 算法改進
9 3 蟻群算法的應用
9 3 1 應用領域
9 3 2 應用案例
第10章 粒子群算法
10 1 粒子群算法簡介
10 1 1 粒子群算法的背景
10 1 2 粒子群算法的原理
10 1 3 粒子群算法的思想
10 2 粒子群算法的更新規則
10 2 1 粒子速度更新
10 2 2 粒子位置更新
10 3 算法實現概述
10 3 1 算法流程
10 3 2 算法實現
10 3 3 應用案例
10 4 粒子群算法的特點及應用
10 4 1 算法的特點
10 4 2 算法對比
10 4 3 算法的應用
第11章 新型群智能優化算法
11 1 人工蜂群算法
11 1 1 人工蜂群算法的原理
11 1 2 人工蜂群算法的思想
11 1 3 人工蜂群算法的實現
11 2 螢
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。