計算智能基礎(chǔ)

前言

計算智能就是借鑒仿生學(xué)思想，基于生物體系的進化、免疫、神經(jīng)細胞網(wǎng)絡(luò)、模糊抽象等機制，采用數(shù)學(xué)語言抽象描述的計算方法。它的最大特點就是不需要建立問題本身的精確模型，非常適合于解決那些由于難以建模，用傳統(tǒng)理論和技術(shù)又難以有效解決、甚至無法解決的問題。經(jīng)過近幾十年的發(fā)展，計算智能已成為一種新興的智能處理技術(shù)，并受到各學(xué)科領(lǐng)域越來越多研究者的關(guān)注。計算智能研究的主要內(nèi)容包括：人工智能、模糊計算、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)等。這些方法具有以下共同的特點：自學(xué)習性、自組織性、自適應(yīng)性、魯棒性和簡單、通用、適于并行處理的優(yōu)點。另外，計算智能的很多算法都是基于“從大自然中獲取智慧”的理念，通過人們對自然界獨特規(guī)律的認知，提取出適合獲取知識的一套計算工具，通過自適應(yīng)學(xué)習，達到全局優(yōu)化的目的。由于計算智能技術(shù)具有如此多的優(yōu)點，因此，在解決復(fù)雜問題時必將得到更廣泛的應(yīng)用。本書的原作者是日本東京工業(yè)大學(xué)廣田薰教授。廣田薰教授曾先后受聘于相模工業(yè)大學(xué)、輔正大學(xué)、明治大學(xué)等多所知名大學(xué)，還是許多國際知名大學(xué)的兼職教授?，F(xiàn)在身兼國際模糊系統(tǒng)學(xué)會理事長、日本機器人學(xué)會雜志評審、以及日本模糊理論與系統(tǒng)學(xué)會運營委員會主席等職務(wù)。本書是在原作者多年教學(xué)與研究的基礎(chǔ)上，系統(tǒng)總結(jié)凝練而成的，理論闡述由淺入深，應(yīng)用實例詳細具體，本書不僅可以作為高年級本科生和研究生的教學(xué)用書，還可以供科技人員作為學(xué)習計算智能的參考書。

內(nèi)容概要

計算智能就是借鑒仿生學(xué)思想，基于生物體系的進化、免疫、神經(jīng)細胞網(wǎng)絡(luò)、模糊抽象等機制，采用數(shù)學(xué)語言抽象描述的計算方法。主要內(nèi)容包括：人工智能、模糊計算、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)等。　　本書是在原作者多年教學(xué)與研究的基礎(chǔ)上，系統(tǒng)總結(jié)凝練而成的，理論闡述由淺入深，應(yīng)用實例詳細具體。本書不僅可以作為高年級本科生和研究生的教學(xué)用書，還可以供科技人員作為學(xué)習計算智能的參考書。

書籍目錄

第1章　計算智能(CI)第2章　模糊理論　2.1　模糊邏輯　2.2　模糊集　2.3　模糊推理和模糊控制　2.4　模糊關(guān)系(F.R.)第3章　人工智能　3.1　“貨郎擔”問題(TSP)　3.2　啟發(fā)式搜索　3.3　漢諾塔　3.4　GOFAl的知識表示　3.5　產(chǎn)生式系統(tǒng)與搜索　3.6　謂詞邏輯　3.7　歸結(jié)原理第4章　神經(jīng)網(wǎng)絡(luò)　4.1　推動因素　4.2　存儲器　4.3　生物大腦　4.4　人工神經(jīng)元模型　4.5　線性回歸　4.6　線性神經(jīng)網(wǎng)絡(luò)　4.7　多層網(wǎng)絡(luò)　4.8　誤差反向傳播　4.9　過擬合　4.10　生長和修剪網(wǎng)絡(luò)　4.11　預(yù)處理網(wǎng)絡(luò)　4.12　動量和自適應(yīng)學(xué)習率　4.13　分類　4.14　非監(jiān)督學(xué)習　4.15　遞歸網(wǎng)絡(luò)　4.16　實時遞歸學(xué)習　4.17　RNNs動態(tài)特性　4.18　長短時記憶第5章　智能機器的實際應(yīng)用　5.1　當代智能汽車的發(fā)展現(xiàn)狀　5.2　開發(fā)智能汽車面臨的問題　5.3　傳感器融合　……參考文獻中文對照檢索詞

章節(jié)摘錄

插圖：神經(jīng)網(wǎng)絡(luò)模型的建立面臨著大陣列模型的排列和從哪里選擇訓(xùn)練制度的問題。這里我們只介紹最普通和最通用的模型。即使在確定之后，例如，訓(xùn)練一個簡單的前饋網(wǎng)絡(luò)，使用一些具體的梯度遞減形式，伴隨單一隱含層的正切節(jié)點，仍然需要注意一個重要的問題，即我們應(yīng)該選擇多大的網(wǎng)絡(luò)？有多少隱含層單元和相應(yīng)的分量？舉例來說，第一個例子提到的非線性數(shù)據(jù)可以應(yīng)用40個正切函數(shù)來擬合。學(xué)習40個隱含層單元比學(xué)習2個隱含層單元相對難一些，并且時間更長，擬合并不比2個單元模型好（用總和平方誤差測量）。最普遍的答案不一定是最好的，但我們可以推測一個適合的數(shù)（像我們以前一樣）。另一種常用的解決方法是試驗幾個大小不同的網(wǎng)絡(luò)，選擇最有可能的。這兩種方法都沒有很強的原則性。不過，可以得到另外兩種嚴格的分類法。我們可以從非常小的網(wǎng)絡(luò)開始，反復(fù)地增加單元和權(quán)值，或者我們可以訓(xùn)練過大的網(wǎng)絡(luò)，從最后的網(wǎng)絡(luò)移出單形權(quán)值。我們將簡要地看看這些方法。

編輯推薦

《計算智能基礎(chǔ)》：高等學(xué)校信息與通信工程“十一五”規(guī)劃教材

圖書封面

評論、評分、閱讀與下載

---

    計算智能基礎(chǔ) PDF格式下載

---