《清華大學測控技術與儀器系列教材：測試智慧型信息處理》是清華大學出版社2008年1月1日出版的圖書，作者是王雪。本書介紹了測試系統的組成、特點以及信號測量處理的過程，給出了數據融合的基本方法，重點介紹了測試智慧型計算的基礎理論和方法。
基本介紹
- 書名：清華大學測控技術與儀器系列教材：測試智慧型信息處理
- 作者：王雪
- ISBN：9787302165750
- 類別：圖書>教材教輔>大學教材教輔
- 頁數：545
- 出版社：清華大學出版社
- 出版時間：2008-01-01
- 裝幀：平裝
- 開本：16開
內容簡介,目錄,
內容簡介
智慧型計算是測試智慧型信息處理的核心技術，是目前多學科研究和套用的熱點，涉及測試技術、電子技術、計算機技術、控制技術等，具有廣泛的套用前景。測量技術是信息處理的關鍵和基礎。《清華大學測控技術與儀器系列教材：測試智慧型信息處理》具體內容包括測試系統的組成和信息獲取的過程、智慧型計算的產生和發展、數據融合的基本原理；神經網路計算的基礎、神經計算的基本方法、神經計算的實現技術和支持向量機；模糊計算中的模糊邏輯與模糊推理、模糊計算套用和粗糙集；進化計算中的遺傳算法、粒群智慧型、蟻群智慧型等方法和實例。
《清華大學測控技術與儀器系列教材：測試智慧型信息處理》可作為測控技術、電子科學技術、計算機科學技術、電氣工程、控制技術、信息通信技術、機械電子工程等專業的研究生、高年級本科生的教材和參考書，也可供相關工程技術人員和科技工作者作為專業參考書。
目錄
第1篇 緒論
1 測試智慧型信息處理概述
1.1 測試智慧型信息處理的產生及發展
1.1.1 測試系統的組成與特點
1.1.2 智慧型計算的產生與發展
1.2 智慧型信息處理的主要技術
1.2.1 神經計算技術
1.2.2 模糊計算技術
1.2.3 進化計算技術
1.3 智慧型技術的綜合集成
1.3.1 模糊系統與神經網路結合
1.3.2 神經網路和遺傳算法結合
1.3.3 模糊技術、神經網路和遺傳算法綜合集成
1.3.4 智慧型計算展望
參考文獻
2 數據融合與信息處理
2.1 多感測器數據融合概述
2.2 多感測器數據融合的基本原理
2.2.1 多感測器數據融合的目的
2.2.2 多感測器數據融合的層次與結構
2.2.3 數據融合中的檢測、分類與識別算法
2.2.4 典型的數據融合方法
2.2.5 多感測器數據融合方法的特點
2.3 分散式自適應動態數據融合方法
2.3.1 測量模型與方法簡述
2.3.2 測量數據範圍的推導
2.3.3 最優範圍的確定
2.4 小結
參考文獻
第2篇 神經計算
3 神經計算基礎
3.1 人工神經網路基礎
3.1.1 人工神經網路的提出
3.1.2 人工神經網路的特點
3.1.3 歷史回顧
3.1.4 生物神經網路
3.1.5 人工神經元
3.1.6 人工神經網路的拓撲特性
3.1.7 存儲與映射
3.1.8 人工神經網路的訓練
3.2 感知器
3.2.1 感知器與人工神經網路的早期發展
3.2.2 感知器的學習算法
3.2.3 線性不可分問題
參考文獻
4 神經計算基本方法
4.1 BP網路
4.1.1 BP網路簡介
4.1.2 基本BP算法
4.1.3 BP算法的實現
4.1.4 BP算法的理論基礎
4.1.5 兒個問題的討論
……
5 神經計算實現技術
6 支持向量機
第3篇 模糊計算
7 模糊邏輯與模糊推理
8 模糊計算的套用
9 粗糙集
第4篇 進化計算與群智慧型
10 遺傳算法
11 禁忌搜尋算法
12 粒群智慧型
13 蟻群智慧型
1 測試智慧型信息處理概述
1.1 測試智慧型信息處理的產生及發展
1.1.1 測試系統的組成與特點
1.1.2 智慧型計算的產生與發展
1.2 智慧型信息處理的主要技術
1.2.1 神經計算技術
1.2.2 模糊計算技術
1.2.3 進化計算技術
1.3 智慧型技術的綜合集成
1.3.1 模糊系統與神經網路結合
1.3.2 神經網路和遺傳算法結合
1.3.3 模糊技術、神經網路和遺傳算法綜合集成
1.3.4 智慧型計算展望
參考文獻
2 數據融合與信息處理
2.1 多感測器數據融合概述
2.2 多感測器數據融合的基本原理
2.2.1 多感測器數據融合的目的
2.2.2 多感測器數據融合的層次與結構
2.2.3 數據融合中的檢測、分類與識別算法
2.2.4 典型的數據融合方法
2.2.5 多感測器數據融合方法的特點
2.3 分散式自適應動態數據融合方法
2.3.1 測量模型與方法簡述
2.3.2 測量數據範圍的推導
2.3.3 最優範圍的確定
2.4 小結
參考文獻
第2篇 神經計算
3 神經計算基礎
3.1 人工神經網路基礎
3.1.1 人工神經網路的提出
3.1.2 人工神經網路的特點
3.1.3 歷史回顧
3.1.4 生物神經網路
3.1.5 人工神經元
3.1.6 人工神經網路的拓撲特性
3.1.7 存儲與映射
3.1.8 人工神經網路的訓練
3.2 感知器
3.2.1 感知器與人工神經網路的早期發展
3.2.2 感知器的學習算法
3.2.3 線性不可分問題
參考文獻
4 神經計算基本方法
4.1 BP網路
4.1.1 BP網路簡介
4.1.2 基本BP算法
4.1.3 BP算法的實現
4.1.4 BP算法的理論基礎
4.1.5 兒個問題的討論
……
5 神經計算實現技術
6 支持向量機
第3篇 模糊計算
7 模糊邏輯與模糊推理
8 模糊計算的套用
9 粗糙集
第4篇 進化計算與群智慧型
10 遺傳算法
11 禁忌搜尋算法
12 粒群智慧型
13 蟻群智慧型
