您所在的位置:图书> 图书详情
分享到:

计算智能与深度学习

  • 作 者:吴陈 王丽娟 陈蓉 吴文俊 夏琼华
  • 策划编辑:高樱
  • 书代号:621600
  • I S B N:978-7-5606-5914-5
  • 出版日期:2021-03
  • 印刷日期:2021-03
  • 业务分类:本科;
  • 图书库存:加载中...
  • 纸书价格:- 元 原价:42.00
  • 在线阅读:-
  • 电子书:-

购书款满88元包邮(包邮地区仅限内地,新疆、西藏除外)

内容简介
前言
目录
编辑推荐
相关资源
    

本书对计算机人工智能领域的主要计算智能算法进行探讨,重点讨论各种算法的思想来源、流程结构、发展改进、参数设置和相关应用,内容包括绪论、人工神经网络、模糊系统、 人工智能遗传算法、蚁群优化算法、粒子群算法、模拟退火算法、禁忌搜索算法、人工智能免疫系统和数据降维的粗集处理方法,以及目前的热门研究和应用领域之一——深度学习。本书通俗易懂,图文并茂,通过大量的图表和示例,对各个算法进行了说明和介绍。本书不但提供了算法实现的流程图和伪代码,而且通过具体的应用事例对算法的使用方法和使用过程进行了说明,为读者进一步深入学习和理解算法提供了方便。

本书适合作为计算机、人工智能、模式识别与智能系统、信息工程等专业本科生和研究生相关课程的教材,也可作为广大算法研究者和工程技术人员进一步学习的参考书和工具书,同时还能满足计算智能算法初学者的基本需求。

智能通常是指对事物进行选择、理解和感觉的能力,一般可分为自然智能和人工智能两大类。自然智能就是人类和一些动物所具有的智力和行为能力。人工智能(Artificial Intelligence,AI)可以粗略地认为是利用计算机完成那些如果由人来做需要智能的科学。随着计算机的高速发展和应用,人工智能成为计算机的主要研究领域。目前,人工智能有三大主流研究思想:符号逻辑思想、行为主义思想和连接主义思想。符号逻辑思想源于数理逻辑,认为使用计算机研究人的思维过程,模拟人类智能活动,进行功能模拟,采用符号逻辑推理可实现人工智能。行为主义思想源于控制论,认为用计算机实现感知—动作的智能控制可以实现人工智能。连接主义思想则源于仿生学,认为从神经元的连接机制与学习算法上以结构和功能模拟为主可实现人工智能。三者的发展和研究丰富了人工智能的内容。模仿生物的进化过程、生物构造、生物机能、群体行为、思维语言和记忆过程,实现对问题优化求解的算法总体构成计算智能。计算智能通常被划分在连接主义范畴,但其研究内容已完全突破传统连接主义的范围。无论怎样,计算智能仍是人工智能的一个重要组成部分。

随着社会的进步和科技的发展,在现实中也常常会遇到一些非常复杂的问题。运用传统的算法来解这些问题,即使是用现代计算机,往往因问题随规模的增长,所需要的存储容量超过了计算机的容量,或者计算的时间消耗无法让人接受,特别是对那些NP完全问题或NP难问题,无法求得结果解。为此,科学家们通过模仿生物遗传机制或社会行为,提出、设计并实现了很多启发式算法,这就构成了计算智能的算法内容。

计算智能所具有的最大特性是智能性、并行性和健壮性。其算法具有很强的自适应性和全局寻优特性,相比传统算法所需要的特性(如函数可导),它不需要很多限制,且实用有效,因而得到了相关学者们的极大关注,并已被广泛应用于各种科学研究领域,如优化计算、模式识别、图像处理、自动控制、经济管理、机械工程、电气工程、通信网络和生物医学等。

本书对计算智能领域的主要算法进行探讨,结合作者的研究和应用,重点讨论各种算法的思想来源、流程结构、发展改进、参数设置和相关应用, 并配备了相应的Matlab代码。

本书共11章。

第1章绪论,综述了计算智能的基本概况,包括其主要组成、发展历史和基本概念。

第2章人工神经网络,探讨了神经网络的基本概念、前馈神经网络、竞争神经网络、反馈型神经网络、对传神经网络、玻尔兹曼机神经网络及神经网络的应用。

第3章模糊系统,探讨了模糊集的基本概念、运算和性质,模糊隶属度函数,模糊关系与模糊矩阵,模糊分类和模糊聚类分析,模糊逻辑和模糊推理,模糊推理应用系统,基于模糊神经网络的节水灌溉模型等。

第4章人工智能遗传算法,探讨了遗传算法的基本概念、构成要素、遗传操作(包括选择、交叉、变异等重组操作),用遗传算法解聚类问题和TSP问题。

第5章蚁群优化算法,探讨了蚁群优化算法仿生行为的机制、蚂蚁系统的模型与实现、蚁群优化算法及其在聚类问题和TSP问题求解中的应用。

第6章粒子群算法,探讨了粒子群算法的原理、搜索机制及其在聚类问题和TSP问题求解中的应用,用自适应权重粒子群优化SVM参数等。

第7章模拟退火算法,探讨了模拟退火算法的物理背景、搜索机制、在聚类问题求解中的应用、用模拟退火算法优化粒子群算法。

第8章禁忌搜索算法,探讨了禁忌搜索算法的搜索办法、应用特点、设计要点。

第9章人工智能免疫系统,探讨了人工免疫系统的基本概念和模型、度量标准、免疫算法及应用。

第10章数据降维的粗集处理方法,探讨了信息系统和决策系统下粗集的基本概念、属性约简方法、规则提取方法、多粒度模型等。

第11章深度学习,探讨了深度学习的基本概念、主要模型、主要算法、未来展望等。

本书最后还配备了上机实验指导。在阐述算法时,既给出了求解实例,也给出了程序代码,便于读者学习理解和掌握。

“计算智能”是一门理论和实践性都很强的学科,读者在进行理论学习的同时,需要多动手编写程序上机调试,以加深对所学知识的理解,将一些基本算法和程序作为积木块,供今后开发使用,以提高编程效率和能力。

本书可作为从事计算智能研究和开发人员的参考书,也可作为高校计算机类或信息类相关专业“计算智能”课程的教材。作为教材时,建议理论课时为32~48学时,上机实践课时为12~20学时,课程设计课时为2~3周。使用本书时可根据本专业特点和具体情况适当增删教学内容。

本书是在假定读者已掌握了Matlab语言的基础上编写的,若没有学过Matlab语言,则可在使用本书前学习Matlab语言,或者边使用本书边学习Matlab语言。若有程序设计基础,再学习Matlab语言并不困难,而且Matlab语言本身也是在C语言基础上研制的。

本书是作者在多年讲授计算智能课程的基础上,针对计算智能教学的特点并结合作者的研究使用体会编写的。

本书在内容组织和安排上,遵循认知规律,合理安排知识点,突出核心概念,提炼基础内容,细化难点,把握重点,侧重应用实践,减少形式化描述,注重算法设计与程序代码具体实现(书中代码已在Matlab语言中调试运行通过),使读者容易理解和使用,从实用性和培养工程应用能力的角度培养运用计算智能的能力以及编程能力。

参加本书编写工作的还有王丽娟(第2章)、陈蓉(第3章)、吴文俊(第5章)、夏琼华(第6章)。参加习题编写的有夏冰莹、姜雯、许霞等。

段先华教授和高尚教授审阅了本书,在此表示衷心感谢。

限于知识和写作水平,书中难免存在缺点或错误,望读者批评指正。

邮箱:wuchenzj@sina.com

著者

2020年12月

版权所有(C) 西安电子科技大学出版社 Copyrights @ 2015 陕ICP备15015893号