計算智能

目錄

第1章緒論

1.1什麽是智能

1.2生物智能

1.3人工智能

1.4計算智能

1.4.1模糊計算

1.4.2神經計算

1.4.3進化計算

第一單元模 糊 計 算

第2章模糊系統理論

2.1模糊集合

2.1.1經典集合

2.1.2模糊集合與隸屬函數

2.1.3模糊集合的表示方法

2.1.4模糊集合的運算

2.2模糊關系

2.2.1普通關系

2.2.2模糊關系的概念

2.2.3模糊關系的性質

2.2.4模糊關系的運算

2.2.5模糊關系的復合

2.2.6模糊關系的轉置

2.2.7模糊關系的截矩陣

2.2.8模糊關系的傳遞閉包

2.3模糊邏輯

本章習題

第3章模糊系統應用

3.1模糊聚類分析

3.1.1模糊聚類的基本概念

3.1.2模糊聚類的具體步驟

3.2模糊模式識別

3.2.1模式識別原則

3.2.2模式識別的直接方法

3.2.3模式識別的間接方法

3.3模糊綜合評判

3.3.1基本概念

3.3.2一級模糊綜合評判

3.3.3多級模糊綜合評判

3.4模糊控制

3.4.1模糊推理

3.4.2模糊控制

本章習題

第二單元神 經 計 算

第4章神經網絡理論

4.1神經網絡簡介

4.1.1神經網絡的研究進展

4.1.2神經網絡的基本原理

4.2神經網絡的學習規則

4.2.1神經網絡的分類

4.2.2神經網絡的學習

4.2.3神經網絡的信息處理能力

4.2.4神經網絡的應用

4.2.5神經網絡與人工智能

4.3單層前向網絡

4.3.1單層感知器

4.3.2自適應線性元件

4.3.3LMS學習算法

4.4多層前向網絡

4.4.1多層感知器

4.4.2BP神經網絡

4.4.3RBF神經網絡

4.5Hopfield神經網絡

4.5.1離散Hopfield 神經網絡

4.5.2連續Hopfield神經網絡

4.5.3聯想記憶

4.6神經網絡的應用案例

4.6.1鐵礦粉燒結的基礎特性預測

4.6.2葡萄酒品質的評價

4.6.3地震數據中隨機噪聲的去噪

4.6.4股票價格預測

4.6.5水泥熟料的強度預測

本章習題

第5章支持向量機

5.1支持向量機概述

5.1.1歷史背景

5.1.2統計學習理論

5.2分類支持向量機

5.2.1最優分類超平面

5.2.2線性支持向量機

5.2.3非線性支持向量機

5.2.4SVM與多層前向網絡的比較

5.2.5學習算法

5.3回歸支持向量機

5.3.1損失函數

5.3.2回歸支持向量機的實現

5.4支持向量機的應用

5.4.1實例1： 支持向量機解決異或問題

5.4.2實例2： 用支持向量機對人工樣本進行分類

5.4.3實例3： 基於粒計算的哈夫曼樹SVM多分類模型研究

本章習題

第6章深度學習

6.1深度學習概述

6.1.1起源和命運變遷

6.1.2基本概念和思想

6.1.3深度學習與神經網絡

6.1.4訓練過程

6.2深度學習模型

6.2.1深度神經網絡

6.2.2捲積神經網絡

6.2.3循環神經網絡

6.2.4生成對抗網絡

6.3深度學習框架

6.4深度學習的應用案例

6.4.1玉米籽粒的完整性識別

6.4.2從葉片圖像推斷植物病害

6.4.3黃瓜分類

本章習題

第三單元進 化 計 算

第7章遺傳算法

7.1遺傳算法簡介

7.1.1發展歷程

7.1.2生物學基礎

7.1.3遺傳算法的特點

7.2遺傳算法的原理與實現

7.2.1遺傳算法的原理

7.2.2遺傳編碼

7.2.3遺傳操作

7.3遺傳算法的應用

本章習題

第8章遺傳規劃

8.1概述

8.1.1遺傳算法的局限性

8.1.2遺傳規劃簡介

8.1.3遺傳規劃的步驟

8.2遺傳規劃的應用

8.2.1降水量預測

8.2.2土石壩沉降預測

本章習題

第9章蟻群算法

9.1蟻群算法簡介

9.1.1蟻群算法的背景

9.1.2蟻群算法的原理

9.1.3蟻群算法的思想

9.1.4蟻群算法的特點

9.2蟻群算法的實現

9.2.1模型構建

9.2.2算法流程

9.2.3算法改進

9.3蟻群算法的應用

9.3.1應用領域

9.3.2應用案例

第10章粒子群算法

10.1粒子群算法簡介

10.1.1粒子群算法的背景

10.1.2粒子群算法的原理

10.1.3粒子群算法的思想

10.2粒子群算法的更新規則

10.2.1粒子速度更新

10.2.2粒子位置更新

10.3算法實現概述

10.3.1算法流程

10.3.2算法實現

10.3.3應用案例

10.4粒子群算法的特點及應用

10.4.1算法的特點

10.4.2算法對比

10.4.3算法的應用

第11章新型群智能優化算法

11.1人工蜂群算法

11.1.1人工蜂群算法的原理

11.1.2人工蜂群算法的思想

11.1.3人工蜂群算法的實現

11.2螢火蟲算法

11.2.1螢火蟲算法的原理

11.2.2螢火蟲算法的思想

11.2.3螢火蟲算法的實現

11.3蝙蝠算法

11.3.1蝙蝠算法的原理

11.3.2蝙蝠算法的思想

11.3.3蝙蝠算法的實現

11.4灰狼優化算法

11.4.1灰狼優化算法的原理

11.4.2灰狼優化算法的思想

11.4.3灰狼優化算法的實現

11.5蜻蜓算法

11.5.1蜻蜓算法的原理

11.5.2蜻蜓算法的思想

11.5.3蜻蜓算法的實現

11.6鯨魚優化算法

11.6.1鯨魚優化算法的原理

11.6.2鯨魚優化算法的思想

11.6.3鯨魚優化算法的實現

11.7蝗蟲優化算法

11.7.1蝗蟲優化算法的原理

11.7.2蝗蟲優化算法的思想

11.7.3蝗蟲優化算法的實現

11.8麻雀搜索算法

11.8.1麻雀搜索算法的原理

11.8.2麻雀搜索算法的思想

11.8.3麻雀搜索算法的實現

參考文獻