相關商品
商品簡介
名人/編輯推薦
目次
書摘/試閱
商品簡介
本書系統地介紹了電腦智慧的主要基本理論和技術內容, 其中包括模糊系統理論、粗集理論、神經網路理論、支援向量機、進化計算、免疫演算法、蟻群演算法和粒子群演算法等。全書共分九章，基本上包括了計算智能所涉及的理論與方法，每章各成體系，又相互連結。計算智能是一門交叉學科。
名人/編輯推薦
《高等學校"十二五"規劃教材·計算機及其應用系列:計算智能基礎》可作為高等院校自動化及計算機應用等專業高年級的本科生和研究生教材參考用書，也可供相關專業的教師、研究人員參考。
目次
第1章緒論
1.1智能的定義
1.2生物智能
1.3機器智能
1.4計算智能的相關技術
第2章模糊系統理論及實現方法
2.1模糊集合和模糊邏輯
2.2模糊關系
2.3模糊邏輯與模糊語言
2.4模糊推理
2.5習題
第3章粗糙集理論
3.1粗糙集理論概述
3.2粗糙集的基本定義及其性質
3.3屬性約簡的粗糙集理論
3.4屬性約簡的粗糙集方法
3.5粗糙集方法的應用實例
3.6習題
第4章神經網絡理論
4.1人工神經元模型
4.2 M—P神經元模型與神經網絡的學習規則
4.3簡單前向神經網絡
4.4 Hopfield神經網絡
4.5 自組織特征映射神經網絡
4.6動態遞歸網絡
4.7 CMAC網絡
4.8習題
第5章支持向量機
5.1引言
5.2統計學習理論
5.3分類支持向量機
5.4回歸支持向量機
5.5序列化最小最優化算法
5.6支持向量機的應用
5.7習題
第6章進化計算
6.1遺傳算法
6.2遺傳規劃
6.3習題
第7章免疫算法
7.1免疫算法基本架構
7.2基于群體的免疫算法
7.3基于網絡的免疫算法
7.4免疫模型
7.5免疫算法與進化算法的融合
7.6習題
第8章蟻群算法
8.1 引言
8.2蟻群算法基本原理
8.3基本的蟻群算法
8.4改進的蟻群算法
8.5有關蟻群算法的某些思考
8.6習題
第9章粒子群算法
9.1 引言
9.2粒子群算法的產生背景
9.3粒子群算法的特點
9.4基本PSO算法
9.5粒子群算法的關鍵問題
9.6粒子群算法的分類
9.7 PSO與其他算法比較
9.8粒子群算法的應用領域
9.9習題
參考文獻
1.1智能的定義
1.2生物智能
1.3機器智能
1.4計算智能的相關技術
第2章模糊系統理論及實現方法
2.1模糊集合和模糊邏輯
2.2模糊關系
2.3模糊邏輯與模糊語言
2.4模糊推理
2.5習題
第3章粗糙集理論
3.1粗糙集理論概述
3.2粗糙集的基本定義及其性質
3.3屬性約簡的粗糙集理論
3.4屬性約簡的粗糙集方法
3.5粗糙集方法的應用實例
3.6習題
第4章神經網絡理論
4.1人工神經元模型
4.2 M—P神經元模型與神經網絡的學習規則
4.3簡單前向神經網絡
4.4 Hopfield神經網絡
4.5 自組織特征映射神經網絡
4.6動態遞歸網絡
4.7 CMAC網絡
4.8習題
第5章支持向量機
5.1引言
5.2統計學習理論
5.3分類支持向量機
5.4回歸支持向量機
5.5序列化最小最優化算法
5.6支持向量機的應用
5.7習題
第6章進化計算
6.1遺傳算法
6.2遺傳規劃
6.3習題
第7章免疫算法
7.1免疫算法基本架構
7.2基于群體的免疫算法
7.3基于網絡的免疫算法
7.4免疫模型
7.5免疫算法與進化算法的融合
7.6習題
第8章蟻群算法
8.1 引言
8.2蟻群算法基本原理
8.3基本的蟻群算法
8.4改進的蟻群算法
8.5有關蟻群算法的某些思考
8.6習題
第9章粒子群算法
9.1 引言
9.2粒子群算法的產生背景
9.3粒子群算法的特點
9.4基本PSO算法
9.5粒子群算法的關鍵問題
9.6粒子群算法的分類
9.7 PSO與其他算法比較
9.8粒子群算法的應用領域
9.9習題
參考文獻
書摘/試閱
由表4.1可知，除去從3和A兩個初始狀態開始變化外，其他14個初始狀態最后都能收斂至全局最小點狀態4（能量為—115）。例如初始狀態9，其能量為187，隨著學習的迓行，經9→d→5→4最后收斂于狀態4；而當從狀態A開始變化時，由A→3→3…3，最后收斂于局部極小點狀態，其能量為17。這說明網絡的收斂情況依賴于網絡的初始狀態。另外需要注意的是，這里網絡能量的具體數值并不具有一定的物理意義，它只表明網絡某一狀態在整個網絡的所有狀態中所處的地位。當網絡連接權的初始值改變時，各個狀態所對應的能量具體數值也將隨之改變。
4.4.2連續時間型Hopfield神經網絡
連續時間型Hopfield神經網絡與離散型Hopfield網絡的基本原理是一致的。但由于連續時間型Hopfield神經網絡是以模擬量作為網絡的輸入、輸出量，各神經元采用同步工作方式，因而它比離散型網絡在信息處理的并行性、聯想性、存貯分布性、實時性、協同性等方面更接近于生物神經網絡。連續時間型Hopfield網絡是Hopfietd于1984年在離散型神經網絡的基礎上提出來的，其基本結構如圖4.19所示。
圖中電阻Ri和電容Ci并聯，模擬生物神經元的延時特性；運算放大器是一個輸入、輸出按s函數（非線性飽和特性）關系變化的非線性元件，它模擬生物神經元的非線性特性，即vi=f（ui）；各放大器輸出的反饋權值ωij，反映神經元之間的突觸特性，但其中不反饋回自身，即自反饋耦合ωij=0。
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。