图书信息

内容简介

媒体评论

目录

图书信息

出版社: 科学出版社; 第1版 (2002年1月1日)

丛书名: 高等院校信息科学系列教材

平装: 290页

正文语种: 简体中文

开本: 16

ISBN: 7030084349

条形码: 9787030084347

尺寸: 23.6 x 16.8 x 1.4 cm

重量: 399 g

内容简介

由于计算机网络的迅速发展，对海量数据的信息处理受到理论和工程界的广泛关注，其中尤以基于仿生学原理的计算智能在高级信息处理中占据重要的地位。《计算智能的数学基础》着重介绍了人工神经网络、遗传算法和模糊逻辑的基本模型、理论及算法及其在工程技术中的应用，如分类器、数据挖掘、现代优化方法和模糊控制，并且给出了基于MATLAB的数值实验。《计算智能的数学基础》每章后均配有习题，以供学生复习、巩固书中所学知识。 《计算智能的数学基础》可作为大专院校信息与计算科学、数学、应用数学、计算机科学、自动控制、信息与系统工程等专业的教材，亦可供相关专业的本科生、研究生、教师、科学及工程技术人员参考。

媒体评论

书评

高等院校信息科学系列教材

数据分析

现代密码学

信息论与编码理论

信息工程概论

C++语言基本程序设计

分形与小波

计算智能的数学基础

计算机图形学应用基础

目录

第1章 概述

1.1 信息科学与机器智能

1.1.1 信息与信息科学

1.1.2 智能与机器智能

1.1.3 机器智能的三个学派

1.2 计算智能的主要分支

1.2.1 人工神经网络

1.2.2 遗传算法

1.2.3 模糊逻辑

1.3 计算智能研究的主要问题

1.3.1 学习

1.3.2 搜索

1.3.3 推理

1.4 计算智能研究的主要方法

1.4.1 模型

1.4.2 算法

1.4.3 实验

习题1

第2章 感知器

2.1 分类问题

2.2 感知器

2.2.1 感知器模型

2.2.2 感知器学习

2.2.3 线性可分

2.2.4 l收敛性

2.2.5 复杂性

2.3 算法的容量

2.3.1 概念

2.3.2 随机MP模型容量估计

2.4 非线性感知器

2.4.1 非线性权感知器

2.4.2 Newton迭代法

2.4.3 Newton法的收敛性

2.5 高阶感知器

2.5.1 高阶感知器模型

2.5.2 BoOlean函数

2.6 模糊感知器

2.6.1 模糊感知器模型

2.6.2 算法的收敛性

习题2

第3章 人工神经网络

3.1 单层前向网

3.1.1 单层前向网模型

3.1.2 线性单层网

3.2 最优化方法

3.2.1 多元函数的极值

3.2.2 梯度法

3.2.3 最小二乘法

3.3 多层前向网

3.3.1 双层前向网

3.3.2 学习目标

3.3.3 误差的后向传播

3.3.4 前向网络的学习算法

3.4 径向基函数

3.4.1 插值

3.4.2 径向基函数网

3.5 回归神经元网络

3.5.1 Hopfield网模型

3.5.2 系统的稳定性

3.5.3 系统的收敛性

3.5.4 纠错学习问题

习题3

第4章 支撑向量机

4.1 最优分离超平面

4.1.1 最优分离超平面

4.1.2 二次规划

4.1.3 KKT条件

4.1.4 分类超曲面

4.2 支撑向量机

4.2.1 线性支撑向量机

4.2.2 Gauss核支撑向量机

4.3 SVM学习算法

4.3.1 SMO算法

4.3.2 SMO算法的实现

4.3.3 SMO算法的改进

4.4 数值实验

习题4

第5章 遗传算法

5.1 简单遗传算法

5.1.1 简单遗传算法

5.1.2 模式(Schema)

5.2 个体与种群

5.2.1 个体

5.2.2 种群

5.3 遗传算子

5.3.1 选择算子：

5.3.2 杂交算子

5.3.3 变异算子

5.3.4 删除算子

5.4 模式

5.4.1 最小模式

5.4.2 杂交算子的整体性质

习题5

第6章 数值实验

6.1 数学软件MATLAB相关函数

6.1.1 MATLAB简介

6.1.2 相关函数

6.2 感知器数值实验

6.2.1 感知器生成与实例

6.2.2 线性神经网络生成与实例

6.3 BP算法数值实验

6.4 自适应网络

6.4.1 自适应网络简介

6.4.2 自适应网络实验

习题6

第7章 应用

第8章 模糊集与模糊系统

第9章 模糊逻辑与模糊推理

第10章 模糊模式识别与模糊控制