图书介绍
计算智能导论 第2版pdf电子书版本下载
- （南非）英吉布雷切特著 著
- 出版社： 北京：清华大学出版社
- ISBN：9787302222057
- 出版时间：2010
- 标注页数：471页
- 文件大小：104MB
- 文件页数：490页
- 主题词：人工智能－神经网络－计算－教材
PDF下载
下载说明
计算智能导论 第2版PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第Ⅰ部分 引言 3
第1章 计算智能简介 3
1.1 计算智能典型方法 4
1.1.1 人工神经网络 4
1.1.2 进化计算 6
1.1.3 群体智能 7
1.1.4 人工免疫系统 7
1.1.5 模糊系统 7
1.2 简短历史 8
1.3 习题 10
第Ⅱ部分 人工神经网络第2章 人工神经元 13
2.1 计算网络输入信号 13
2.2 激活函数 14
2.3 人工神经元几何构型 15
2.4 人工神经元学习 17
2.4.1 增广向量 17
2.4.2 梯度下降学习规则 18
2.4.3 Widrow-Hoff学习规则 19
2.4.4 广义delta学习规则 19
2.4.5 误差修正学习规则 19
2.5 习题 19
第3章 监督学习神经网络 21
3.1 神经网络的类型 21
3.1.1 前馈神经网络 21
3.1.2 函数链神经网络 22
3.1.3 乘积单元神经网络 23
3.1.4 简单反馈神经网络 25
3.1.5 时延神经网络 26
3.1.6 级联神经网络 27
3.2 监督学习规则 28
3.2.1 监督学习问题 28
3.2.2 梯度下降优化 29
3.2.3 尺度化共轭梯度 34
3.2.4 LeapFrog优化 38
3.2.5 粒子群优化 38
3.3 隐层单元的功能 40
3.4 集成神经网络 40
3.5 习题 42
第4章 非监督学习神经网络 43
4.1 背景 43
4.2 Hebbian学习规则 44
4.3 主成分学习规则 45
4.4 学习向量量化-Ⅰ 46
4.5 自组织特征映射 48
4.5.1 随机训练规则 49
4.5.2 批映射 51
4.5.3 可生长SOM 51
4.5.4 加快收敛速度 53
4.5.5 聚类和可视化 54
4.5.6 使用SOM 55
4.6 习题 56
第5章 径向基函数网络 57
5.1 学习向量量化-Ⅱ 57
5.2 径向基函数神经网络 57
5.2.1 径向基函数网络结构 57
5.2.2 径向基函数 58
5.2.3 训练算法 59
5.2.4 径向基函数网络的变体 62
5.3 习题 63
第6章 增强学习 64
6.1 通过奖励学习 64
6.2 无模型增强学习模型 66
6.2.1 即时差分学习 66
6.2.2 Q学习 66
6.3 神经网络和增强学习 67
6.3.1 RPROP 67
6.3.2 梯度下降增强学习 68
6.3.3 连接主义的Q-学习 69
6.4 习题 70
第7章 监督学习的性能问题 71
7.1 性能准则 71
7.1.1 精度 71
7.1.2 复杂度 74
7.1.3 收敛性 75
7.2 性能分析 75
7.3 性能因素 76
7.3.1 数据预备 76
7.3.2 权值初始化 81
7.3.3 学习率和冲量 81
7.3.4 优化方法 83
7.3.5 结构选择 83
7.3.6 自适应激活函数 88
7.3.7 主动学习 89
7.4 习题 95
第Ⅲ部分 进化计算第8章 进化计算导论 99
8.1 一般进化算法 100
8.2 染色体的表示 101
8.3 初始种群 103
8.4 适应度函数 103
8.5 选择 104
8.5.1 选择压力 105
8.5.2 随机选择 105
8.5.3 比例选择 105
8.5.4 锦标赛选择 106
8.5.5 排序选择 107
8.5.6 波尔兹曼选择 107
8.5.7 （μ+,λ）选择 108
8.5.8 精英选择 108
8.5.9 名人堂 108
8.6 繁殖算子 108
8.7 终止条件 109
8.8 进化计算与经典优化算法 109
8.9 习题 110
第9章 遗传算法 111
9.1 经典遗传算法 111
9.2 交叉 111
9.2.1 二进制表示 112
9.2.2 浮点表示 113
9.3 变异 119
9.3.1 二进制表示 119
9.3.2 浮点表示 120
9.3.3 宏变异算子-无头鸡 120
9.4 控制参数 120
9.5 遗传算法的变体 122
9.5.1 代沟方法 122
9.5.2 杂乱遗传算法 122
9.5.3 交互进化 124
9.5.4 岛屿遗传算法 125
9.6 前沿专题 127
9.6.1 小生境遗传算法 127
9.6.2 约束处理 130
9.6.3 多目标优化 130
9.6.4 动态环境 133
9.7 应用 133
9.8 作业 134
第10章 遗传编程 136
10.1 基于树的表示 136
10.2 初始群体 138
10.3 适应度函数 138
10.4 交叉算子 138
10.5 变异算子 139
10.6 积木块遗传规划 141
10.7 应用 141
10.8 习题 142
第11章 进化规划 143
11.1 基本进化规划 143
11.2 进化规划算子 144
11.2.1 变异算子 144
11.2.2 选择算子 147
11.3 策略参数 148
11.3.1 静态策略参数 149
11.3.2 动态策略参数 149
11.3.3 自适应 151
11.4 进化规划的实现 153
11.4.1 经典进化规划 153
11.4.2 快速进化规划 153
11.4.3 指数进化规划 153
11.4.4 加速进化规划 154
11.4.5 动量进化规划 154
11.4.6 具有局部搜索的进化规划 155
11.4.7 带灭绝的进化规划 156
11.4.8 与粒子群优化的混合 157
11.5 前沿专题 157
11.5.1 约束处理方法 157
11.5.2 多目标优化与小生境 158
11.5.3 动态环境 158
11.6 应用 158
11.6.1 有限状态机 158
11.6.2 函数优化 160
11.6.3 训练神经网络 160
11.6.4 实际应用 160
11.7 习题 161
第12章 进化策略 162
12.1 （1+1）-进化策略 162
12.2 一般进化策略算法 163
12.3 策略参数和自适应 164
12.3.1 策略参数类型 164
12.3.2 策略参数变种 165
12.3.3 自适应策略 167
12.4 进化策略算子 168
12.4.1 选择算子 168
12.4.2 交叉算子 169
12.4.3 变异算子 170
12.5 进化策略变种 172
12.5.1 极进化策略 172
12.5.2 带方向变量的进化策略 173
12.5.3 增量进化策略 174
12.5.4 替代进化策略 174
12.6 高级话题 174
12.6.1 约束处理方法 175
12.6.2 多目标优化 176
12.6.3 动态环境和噪声环境 178
12.6.4 小生境 178
12.7 进化策略的应用 179
12.8 习题 180
第13章 差分进化 181
13.1 基本的差分进化 181
13.1.1 差异向量 181
13.1.2 变异 182
13.1.3 交叉 182
13.1.4 选择 183
13.1.5 一般差分进化算法 184
13.1.6 控制参数 184
13.1.7 几何演示 185
13.2 差分进化／x／y／z 186
13.3 基本差分进化的变种 187
13.3.1 混合差分进化策略 187
13.3.2 基于种群的差分进化 192
13.3.3 自适应差分进化 192
13.4 离散值问题的差分进化 193
13.4.1 角度模型差分进化 194
13.4.2 二值差分进化 194
13.5 高级话题 195
13.5.1 约束控制方法 196
13.5.2 多目标优化 196
13.5.3 动态环境 197
13.6 应用 198
13.7 习题 199
第14章 文化算法 200
14.1 文化和人工文化 200
14.2 基本的文化算法 201
14.3 信念空间 202
14.3.1 知识成分 202
14.3.2 接受函数 203
14.3.3 调整信念空间 204
14.3.4 影响函数 205
14.4 模糊文化算法 206
14.4.1 模糊接受函数 206
14.4.2 模糊化信念空间 207
14.4.3 模糊影响函数 208
14.5 高级话题 208
14.5.1 约束控制 208
14.5.2 多目标优化 210
14.5.3 动态环境 210
14.6 应用 210
14.7 习题 211
第15章 协同进化 212
15.1 协同进化类型 212
15.2 竞争协同进化 213
15.2.1 竞争适应度 213
15.2.2 一般竞争协同进化算法 215
15.2.3 竞争协同进化的应用 216
15.3 协作协同进化 217
15.4 习题 218
第Ⅳ部分 计算群体智能第16章 粒子群优化 221
16.1 基本粒子群优化 221
16.1.1 全局最佳粒子群优化 222
16.1.2 局部最佳粒子群优化 223
16.1.3 比较gbest PSO与1best PSO 223
16.1.4 速度成分 224
16.1.5 几何描述 225
16.1.6 算法有关方面 226
16.2 社会网络结构 229
16.3 基本变种 231
16.3.1 速度箝位 232
16.3.2 惯性权重 233
16.3.3 约束系数 236
16.3.4 同步更新与异步更新 236
16.3.5 速度模型 237
16.4 基本PSO的参数 238
16.5 单解粒子群优化 240
16.5.1 保证收敛的PSO 240
16.5.2 基于社会的PSO 241
16.5.3 混合算法 244
16.5.4 基于子群的PSO 248
16.5.5 多次开始PSO算法 254
16.5.6 排斥方法 257
16.5.7 二元PSO 259
16.6 高级专题 260
16.6.1 约束处理方法 260
16.6.2 多目标优化 261
16.6.3 动态环境 263
16.6.4 小生境PSO 266
16.7 应用 269
16.7.1 神经网络 269
16.7.2 结构选择 271
16.7.3 游戏学习 271
16.8 习题 272
第17章 蚂蚁算法 273
17.1 蚁群优化元启发 273
17.1.1 蚂蚁的觅食行为 274
17.1.2 激发工作和人工信息素 276
17.1.3 简单蚁群优化算法 277
17.1.4 蚂蚁系统 280
17.1.5 蚁群系统 283
17.1.6 最大最小蚂蚁系统 285
17.1.7 蚂蚁-Q 288
17.1.8 快速蚂蚁系统 289
17.1.9 蚂蚁禁忌表 289
17.1.10 蚂蚁排名系统 290
17.1.11 逼近的非确定树搜索 290
17.1.12 参数设置 292
17.2 墓地组织与育雏 293
17.2.1 基本蚁群聚类模型 293
17.2.2 一般化后的蚁群聚类模型 294
17.2.3 蚁群聚类的最小模型 298
17.3 分工 298
17.3.1 昆虫群落的分工 299
17.3.2 基于反应阈值的分配 300
17.3.3 动态任务分配和专业化 301
17.4 高级专题 302
17.4.1 连续蚁群优化算法 302
17.4.2 多目标优化算法 304
17.4.3 动态环境 307
17.5 应用 309
17.5.1 旅行商问题 310
17.5.2 二次分配问题 311
17.5.3 其他应用 313
17.6 习题 313
第Ⅴ部分 人工免疫系统第18章 自然免疫系统 317
18.1 经典模型 317
18.2 抗体与抗原 318
18.3 白细胞 318
18.4 免疫类型 321
18.5 抗原结构的学习 321
18.6 网络理论 322
18.7 危险理论 322
18.8 习题 323
第19章 人工免疫模型 324
19.1 人工免疫系统算法 324
19.2 经典模型 326
19.2 进化方法 327
19.3 克隆选择理论模型 328
19.3.1 克隆选择算法 329
19.3.2 动态克隆选择 330
19.3.3 多层AIS 330
19.4 网络理论模型 333
19.4.1 人工免疫网络 333
19.4.2 自稳定AIS 335
19.4.3 增强型人工免疫网络 336
19.4.4 动态加权B细胞AIS 337
19.4.5 自适应人工免疫网络 338
19.4.6 aiNet网络模型 338
19.5 危险理论 340
19.5.1 移动自组网络 340
19.5.2 自适应邮箱 341
19.5.3 入侵检测 343
19.6 应用及其他AIS模型 343
19.7 习题 343
第Ⅵ部分 模糊系统第20章 模糊集 347
20.1 正式定义 347
20.2 隶属函数 348
20.3 模糊算子 350
20.4 模糊集的特性 353
20.5 模糊和概率 354
20.6 习题 354
第21章 模糊逻辑和模糊推理 356
21.1 模糊逻辑 356
21.1.1 语言学变量和限定 356
21.1.2 模糊规则 358
21.2 模糊推理 359
21.2.1 模糊化 359
21.2.2 推理 360
21.2.3 去模糊化 360
21.3 习题 362
第22章 模糊控制器 364
22.1 模糊控制器的部件 364
22.2 模糊控制器类型 365
22.2.1 基于表的控制器 365
22.2.2 Mamdani模糊控制器 366
22.2.3 Takagi-Sugeno控制器 366
22.3 习题 366
第23章 粗糙集 368
23.1 辨别力的概念 369
23.2 粗糙集中的模糊 370
23.3 模糊集中的不确定性 370
23.4 习题 371
参考文献 372
附录A 优化理论 431
A.1 优化问题的基本要素 431
A.2 优化问题分类 431
A.3 最优值类型 432
A.4 优化方法分类 433
A.5 非约束优化 434
A.5.1 问题定义 434
A.5.2 优化算法 434
A.5.3 例子测试问题 437
A.6 约束优化 438
A.6.1 问题定义 438
A.6.2 约束处理方法 439
A.6.3 例子测试问题 442
A.7 多解问题 443
A.7.1 问题定义 443
A.7.2 小生境算法分类 443
A.7.3 例子测试问题 444
A.8 多目标优化 445
A.8.1 多目标问题 445
A.8.2 加权聚合方法 446
A.8.3 帕累托最优 446
A.9 动态优化问题 449
A.9.1 定义 449
A.9.2 动态环境类型 450
A.9.3 例子测试问题 452
术语表 453