智慧型計算方法及其套用

智慧型計算方法及其套用

《智慧型計算方法及其套用》是國防工業出版社於2019年出版的書籍,作者是徐克虎等。

基本介紹

  • 中文名:智慧型計算方法及其套用
  • 作者:徐克虎等
  • 出版時間:2019年7月
  • 出版社國防工業出版社
  • 頁數:328 頁
  • ISBN: 9787118119206
  • 類別:電子自動化教材
  • 定價:129.00 元
  • 開本:16 開
  • 裝幀: 平裝
內容簡介,圖書目錄,

內容簡介

智慧型計算方法目前已在邏輯推理、分類決策、全局最佳化等眾多領域得到了廣泛套用。本著講清概念與原理、觸及前沿發展、注重學以致用的原則,本書分模糊計算、神經計算、進化計算和群智慧型計算4個單元,系統地介紹了目前常用智慧型計算方法的概念、原理、模型及其典型套用實例。本書可作為控制科學與工程、計算機科學、信息科學等專業的研究生及高年級本科生的教材,以及從事智慧型計算、智慧型決策等相關研究的高校教師、科研人員和工程技術人員的參考用書。

圖書目錄

第0章緒論1
0.1智慧型計算方法1
0.2智慧型計算方法產生與發展1
0.2.1模糊計算的產生與發展2
0.2.2神經計算的產生與發展3
0.2.3進化計算的產生與發展4
0.2.4群智慧型計算的產生與發展5
0.3智慧型計算方法分類6
習題07
第1篇模糊計算
第1章模糊計算數學基礎12
1.1模糊集合12
1.1.1模糊集合定義12
1.1.2模糊集合的表示方式13
1.1.3隸屬函式13
1.1.4模糊集合的基本運算16
1.1.5模糊集合與經典集合的聯繫17
1.2模糊關係19
1.2.1模糊關係19
1.2.2模糊關係的合成21
1.2.3模糊變換23
1.3模糊邏輯23
1.3.1模糊邏輯運算23
1.3.2模糊邏輯運算元24
習題125
第2章模糊推理與模糊系統26
2.1模糊語言26
2.1.1模糊語言26
2.1.2模糊語言運算元27
2.2模糊規則27
2.3模糊推理28
2.3.1Mamdani模糊推理法28
2.3.2Larsen模糊推理法33
2.3.3Zadeh模糊推理法36
2.3.4TakagiSugeno模糊推理法36
2.4模糊系統37
2.4.1模糊系統的組成結構38
2.4.2模糊系統的組成單元38
2.5模糊控制系統39
2.5.1模糊控制的基本原理40
2.5.2模糊控制器設計41
2.5.3模糊控制器設計實例43
習題250
第3章模糊聚類分析51
3.1模糊聚類分析的一般步驟51
3.2最佳分類閾值λ的確定59
3.3模糊聚類分析方法的套用實例60
習題367
第4章模糊計算的發展與展望68
第2篇神經計算
第5章人工神經網路基礎73
5.1人工神經網路生物學基礎73
5.2人工神經元基本結構與數學模型74
5.2.1人工神經元基本結構74
5.2.2人工神經元數學模型75
5.3人工神經網路基本結構、學習方式與基本特性76
5.3.1人工神經網路基本結構76
5.3.2人工神經網路基本學習方式78
5.3.3人工神經網路基本特性81
5.4人工神經網路設計82
習題584
第6章BP神經網路85
6.1BP神經網路基本概念85
6.2BP神經網路基本模型與學習算法85
6.2.1BP神經網路基本模型85
6.2.2BP神經網路學習算法86
6.2.3BP神經網路特點89
6.3BP神經網路的MATLAB實現90
6.4套用實例——利用BP神經網路進行預測94
6.4.1MATLAB程式實現95
6.4.2nntool神經網路工具箱的使用96
6.5套用實例——利用BP神經網路進行鳶尾花分類99
6.5.1iris數據集簡介99
6.5.2基於BP神經網路的鳶尾花分類100
6.6BP神經網路算法的改進104
6.6.1附加動量法104
6.6.2自適應學習速率105
6.6.3動量-自適應學習速率調整算法105
6.6.4其他需要探索解決的問題105
習題6106
第7章徑向基函式神經網路107
7.1RBF神經網路的基本概念107
7.2徑向基函式神經網路模型107
7.3BPF神經網路設計110
7.3.1隱層單元個數的確定110
7.3.2基函式中心cp的確定111
7.3.3基函式寬度(擴展常數)的確定112
7.3.4權係數w的確定112
7.4RBF神經網路MATLAB實現112
7.5套用實例——利用RBF神經網路解決分類問題116
7.6套用實例——利用RBF神經網路的目標威脅評估119
7.6.1基於RBF神經網路的函式擬合120
7.6.2目標威脅評估121
7.7RBF神經網路的改進125
7.7.1RBF神經網路的不足125
7.7.2RBF神經網路改進算法125
習題7127
第8章卷積神經網路128
8.1卷積神經網路模型128
8.2卷積神經網路主要特徵129
8.2.1局部感知130
8.2.2參數共享130
8.2.3多卷積核131
8.2.4池化132
8.3卷積神經網路的數學描述133
8.3.1卷積運算133
8.3.2激活運算134
8.3.3池化運算136
8.3.4全連線計算137
8.3.5Softmax回歸137

相關詞條

熱門詞條

聯絡我們