简介
《高等学校"十二五"规划教材·计算机及其应用系列:计算智能基础》系统地介绍了计算智能的主要基本理论和技术内容，其中包括模糊系统理论、粗糙集理论、神经网络理论、支持向量机、进化计算、免疫算法、蚁群算法和粒子群算法等。全书共分九章，基本包括了计算智能所涉及到的理论和方法，每章各成体系，又相互联系。计算智能是一门交叉学科。
目录
第1章绪论
1.1智能的定义
1.2生物智能
1.3机器智能
1.4计算智能的相关技术
第2章模糊系统理论及实现方法
2.1模糊集合和模糊逻辑
2.2模糊关系
2.3模糊逻辑与模糊语言
2.4模糊推理
2.5习题
第3章粗糙集理论
3.1粗糙集理论概述
3.2粗糙集的基本定义及其性质
3.3属性约简的粗糙集理论
3.4属性约简的粗糙集方法
3.5粗糙集方法的应用实例
3.6习题
第4章神经网络理论
4.1人工神经元模型
4.2 M—P神经元模型与神经网络的学习规则
4.3简单前向神经网络
4.4 Hopfield神经网络
4.5 自组织特征映射神经网络
4.6动态递归网络
4.7 CMAC网络
4.8习题
第5章支持向量机
5.1引言
5.2统计学习理论
5.3分类支持向量机
5.4回归支持向量机
5.5序列化最小最优化算法
5.6支持向量机的应用
5.7习题
第6章进化计算
6.1遗传算法
6.2遗传规划
6.3习题
第7章免疫算法
7.1免疫算法基本架构
7.2基于群体的免疫算法
7.3基于网络的免疫算法
7.4免疫模型
7.5免疫算法与进化算法的融合
7.6习题
第8章蚁群算法
8.1 引言
8.2蚁群算法基本原理
8.3基本的蚁群算法
8.4改进的蚁群算法
8.5有关蚁群算法的某些思考
8.6习题
第9章粒子群算法
9.1 引言
9.2粒子群算法的产生背景
9.3粒子群算法的特点
9.4基本PSO算法
9.5粒子群算法的关键问题
9.6粒子群算法的分类
9.7 PSO与其他算法比较
9.8粒子群算法的应用领域
9.9习题
参考文献
1.1智能的定义
1.2生物智能
1.3机器智能
1.4计算智能的相关技术
第2章模糊系统理论及实现方法
2.1模糊集合和模糊逻辑
2.2模糊关系
2.3模糊逻辑与模糊语言
2.4模糊推理
2.5习题
第3章粗糙集理论
3.1粗糙集理论概述
3.2粗糙集的基本定义及其性质
3.3属性约简的粗糙集理论
3.4属性约简的粗糙集方法
3.5粗糙集方法的应用实例
3.6习题
第4章神经网络理论
4.1人工神经元模型
4.2 M—P神经元模型与神经网络的学习规则
4.3简单前向神经网络
4.4 Hopfield神经网络
4.5 自组织特征映射神经网络
4.6动态递归网络
4.7 CMAC网络
4.8习题
第5章支持向量机
5.1引言
5.2统计学习理论
5.3分类支持向量机
5.4回归支持向量机
5.5序列化最小最优化算法
5.6支持向量机的应用
5.7习题
第6章进化计算
6.1遗传算法
6.2遗传规划
6.3习题
第7章免疫算法
7.1免疫算法基本架构
7.2基于群体的免疫算法
7.3基于网络的免疫算法
7.4免疫模型
7.5免疫算法与进化算法的融合
7.6习题
第8章蚁群算法
8.1 引言
8.2蚁群算法基本原理
8.3基本的蚁群算法
8.4改进的蚁群算法
8.5有关蚁群算法的某些思考
8.6习题
第9章粒子群算法
9.1 引言
9.2粒子群算法的产生背景
9.3粒子群算法的特点
9.4基本PSO算法
9.5粒子群算法的关键问题
9.6粒子群算法的分类
9.7 PSO与其他算法比较
9.8粒子群算法的应用领域
9.9习题
参考文献
计算智能基础
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
