人工智能
类型
可以朗读
语音朗读
201千字
字数
2018-05-01
发行日期
展开全部
主编推荐语
基于MATLAB R2017a的实际应用，全面介绍智能算法及人工智能新型算法。
内容简介
本书以MATLAB R2017a为平台，以智能算法为背景，全面详细地介绍了人工智能的各种新型算法。书中做到以理论为基础，以实际应用为主导，循序渐进地向读者展示怎样利用MATLAB智能算法解决实际问题。全书共分13章，主要包括MATLABR2017a软件的基础知识、智能算法的理论、人工神经网络算法、模糊逻辑控制算法、粒子群算法、蚁群算法、模拟退火算法、遗传算法、免疫算法、禁忌搜索算法、支持向量机算法及小波分析算法等内容。
目录
- 封面
- 版权页
- 前言
- 目录
- 第1章 初识MATLAB R2017a
- 1.1 MATLAB的应用领域和优势
- 1.2 MATLAB R2017a的新功能
- 1.3 MATLAB的编程风格
- 1.4 MATLAB的接口技术
- 1.5 MATLAB与C/C++混合编程
- 1.6 MATLAB的工作环境
- 1.6.1 菜单/工具栏
- 1.6.2 命令行窗口
- 1.6.3 工作区
- 1.7 MATLAB的常用命令
- 1.8 MATLAB的帮助系统
- 1.8.1 纯文本帮助
- 1.8.2 演示帮助
- 1.9 MATLAB的数据类型
- 1.9.1 数值类型
- 1.9.2 字符与字符串
- 1.9.3 逻辑类型
- 1.9.4 函数句柄
- 1.9.5 结构数组
- 1.9.6 元胞数组
- 1.10 MATLAB的运算符
- 1.10.1 算术运算符
- 1.10.2 关系运算符
- 1.10.3 逻辑运算符
- 1.10.4 运算优先级
- 第2章 MATLAB的编程基础
- 2.1 数组及其运算
- 2.1.1 数组的创建
- 2.1.2 数组的运算
- 2.2 矩阵及其运算
- 2.2.1 矩阵的创建
- 2.2.2 特殊矩阵的生成
- 2.2.3 矩阵的操作
- 2.2.4 矩阵的基本运算
- 2.2.5 矩阵的相关运算
- 2.3 MATLAB控制语句
- 2.3.1 循环结构
- 2.3.2 分支控制语句
- 2.4 m文件
- 2.4.1 m文件的分类
- 2.4.2 m文件的结构
- 2.5 图形可视化
- 2.5.1 MATLAB的绘图步骤
- 2.5.2 在工作空间直接绘图
- 2.5.3 二维图形绘制
- 2.5.4 图形的修饰
- 2.5.5 三维绘图
- 第3章 人工智能概述
- 3.1 什么是智能
- 3.1.1 智能的定义
- 3.1.2 人工智能的定义
- 3.2 人工智能的发展
- 3.3 人工智能的研究方法
- 3.4 人工智能的危机
- 3.5 人工智能的应用
- 3.6 人工智能的发展趋势
- 3.7 人工智能对人类的深远影响
- 3.7.1 人工智能对经济的影响
- 3.7.2 人工智能对社会的影响
- 3.7.3 人工智能对文化的影响
- 3.8 各种常用智能算法
- 3.8.1 群智能算法
- 3.8.2 模拟退火算法
- 3.8.3 禁忌搜索算法
- 3.8.4 神经网络算法
- 第4章 人工神经网络算法
- 4.1 人工神经网络概述
- 4.1.1 神经网络研究的方向
- 4.1.2 人脑工作原理
- 4.1.3 人工神经网络的工作原理
- 4.1.4 人工神经网络的基本特征
- 4.1.5 人工神经网络的特点
- 4.2 神经网络算法的理论
- 4.2.1 人工神经元模型
- 4.2.2 常用激活函数
- 4.2.3 神经网络模型
- 4.2.4 神经网络工作方式
- 4.2.5 几种常见的神经网络
- 4.3 BP神经网络
- 4.3.1 BP神经网络的拓扑结构
- 4.3.2 BP神经网络的训练
- 4.3.3 BP神经网络的学习方法
- 4.3.4 BP神经网络的实现
- 4.4 径向基神经网络
- 4.4.1 RBF的基本思想
- 4.4.2 RBF的网络模型
- 4.4.3 RBF的网络输出
- 4.4.4 RBF网络的学习过程
- 4.4.5 RBF网络有关的几个问题
- 4.4.6 RBF神经网络的应用
- 4.5 自组织神经网络
- 4.5.1 自组织竞争神经网络的基本概念
- 4.5.2 自组织特征映射神经网络
- 4.5.3 自组织竞争神经网络的应用
- 4.6 对向传播神经网络
- 4.6.1 CPN的基本概念
- 4.6.2 CPN网络的学习算法
- 4.7 广义回归神经网络
- 4.7.1 广义回归神经网络的结构
- 4.7.2 广义回归神经网络的优点
- 4.7.3 广义回归神经网络的应用
- 4.8 概率神经网络
- 4.8.1 概率神经网络的结构
- 4.8.2 概率神经网络的优缺点
- 4.8.3 概率神经网络的应用
- 4.9 Hopfield神经网络
- 4.9.1 Hopfield神经网络的结构
- 4.9.2 Hopfield神经网络的学习算法
- 4.9.3 Hopfield神经网络的应用
- 第5章 模糊逻辑控制算法
- 5.1 模糊逻辑控制概述
- 5.1.1 模糊、神经网络、人工智能间的关系
- 5.1.2 神经网络和模糊系统的比较
- 5.1.3 模糊和神经网络的结合
- 5.2 模糊逻辑控制理论
- 5.2.1 模糊逻辑控制的基本概念
- 5.2.2 模糊逻辑的组成
- 5.2.3 模糊逻辑控制原理
- 5.2.4 模糊逻辑控制器的设计内容
- 5.2.5 模糊逻辑控制的规则
- 5.2.6 模糊逻辑控制的应用领域
- 5.3 模糊逻辑控制工具箱
- 5.3.1 模糊逻辑控制工具箱的功能特点
- 5.3.2 模糊系统的基本类型
- 5.3.3 模糊推理系统的基本函数
- 5.4 模糊逻辑工具箱的图形用户界面
- 5.4.1 FIS编辑器
- 5.4.2 隶属度函数编辑器
- 5.4.3 模糊规则编辑器
- 5.4.4 模糊规则浏览器
- 5.4.5 输入/输出曲面视图
- 5.4.6 模糊推理界面的应用
- 5.5 基于Simulink的模糊逻辑控制
- 5.6 模糊推理系统在控制系统中的应用
- 第6章 粒子群算法
- 6.1 粒子群概述
- 6.1.1 人工生命
- 6.1.2 粒子群算法的基本原理
- 6.1.3 全局与局部模式
- 6.1.4 粒子群的算法建模
- 6.1.5 粒子群的特点
- 6.1.6 粒子群算法与其他进化算法的异同
- 6.2 粒子群的种类
- 6.2.1 基本粒子群
- 6.2.2 标准粒子群
- 6.2.3 压缩因子粒子群
- 6.2.4 离散粒子群
- 6.3 基于粒子群的聚类分析
- 6.4 粒子群算法的MATLAB实现
- 6.5 改进权重粒子群算法
- 6.5.1 自适应权重法
- 6.5.2 随机权重法
- 6.5.3 线性递减权重法
- 6.6 混合粒子群算法
- 6.6.1 混合粒子群协同优化的设计思想
- 6.6.2 基于杂交的算法
- 6.6.3 基于自然选择的算法
- 6.6.4 基于模拟退火的算法
- 6.7 粒子群的应用
- 第7章 蚁群算法
- 7.1 蚁群的基本概念
- 7.1.1 蚁群的觅食过程
- 7.1.2 人工蚂蚁与真实蚂蚁的异同
- 7.1.3 人工蚁群的优化过程
- 7.1.4 蚁群算法的基本原理
- 7.2 改进的蚁群算法
- 7.2.1 蚁群系统
- 7.2.2 精英蚁群系统
- 7.2.3 最大最小蚁群系统
- 7.2.4 排序的蚁群系统
- 7.2.5 几种改进蚁群算法的比较
- 7.3 自适应蚁群算法
- 7.4 蚁群算法的重要规则
- 7.5 蚁群算法的应用进展及发展趋势
- 7.5.1 应用进展
- 7.5.2 存在的问题
- 7.5.3 发展趋势
- 7.5.4 蚁群算法的MATLAB实现
- 7.6 蚁群算法的应用
- 第8章 模拟退火算法
- 8.1 模拟退火算法的理论
- 8.1.1 模拟退火算法的思想
- 8.1.2 物理退火的过程
- 8.1.3 模拟退火的原理
- 8.1.4 模拟退火算法的终止准则
- 8.1.5 模拟退火算法的特点
- 8.2 模拟退火算法的改进
- 8.2.1 模拟退火算法的改进方式
- 8.2.2 模拟退火算法的改进新解
- 8.3 模拟退火算法的MATLAB工具箱
- 8.4 模拟退火算法的应用
- 第9章 遗传算法
- 9.1 遗传算法概述
- 9.1.1 遗传算法的生物学基础
- 9.1.2 遗传算法的名称解释
- 9.1.3 遗传算法的运算过程
- 9.1.4 遗传算法的特点
- 9.1.5 遗传算法的改进方向
- 9.2 遗传算法的构成要素
- 9.2.1 染色体的编码
- 9.2.2 适应度函数
- 9.2.3 遗传算子
- 9.3 控制参数的选择
- 9.4 遗传算法的研究现状
- 9.5 遗传算法的应用领域
- 9.6 遗传算法工具箱
- 9.6.1 遗传算法的程序设计
- 9.6.2 MATLAB自带的遗传算法函数
- 9.6.3 遗传算法的GUI
- 9.7 遗传算法的应用
- 9.7.1 遗传算法求解极值问题
- 9.7.2 遗传算法求解TSP问题
- 9.7.3 遗传算法的BP神经网络实现
- 第10章 免疫算法
- 10.1 免疫算法概述
- 10.1.1 免疫算法的发展史
- 10.1.2 生物免疫系统
- 10.1.3 免疫算法的基本原理
- 10.1.4 免疫算法流程
- 10.1.5 免疫算法算子
- 10.1.6 免疫算法的特点
- 10.1.7 免疫算法的发展趋势
- 10.2 免疫遗传算法
- 10.2.1 免疫遗传算法的几个基本概念
- 10.2.2 免疫遗传算法的原理
- 10.2.3 免疫遗传算法的MATLAB实现
- 10.3 免疫算法的应用
- 10.3.1 免疫算法在优化中的应用
- 10.3.2 免疫算法在TSP中的应用
- 10.3.3 免疫算法在物流选址中的应用
- 10.3.4 免疫算法在故障检测中的应用
- 第11章 禁忌搜索算法
- 11.1 禁忌搜索的相关理论
- 11.1.1 启发式搜索算法与传统的方法
- 11.1.2 禁忌搜索与局部邻域搜索
- 11.1.3 局部邻域搜索
- 11.1.4 禁忌搜索的基本思想
- 11.1.5 禁忌搜索算法的特点
- 11.1.6 禁忌搜索算法的改进方向
- 11.2 禁忌算法的关键参数
- 11.3 禁忌搜索算法的应用
- 第12章 支持向量机算法
- 12.1 支持向量机的相关理论
- 12.1.1 统计学理论
- 12.1.2 数据挖掘分类
- 12.1.3 线性分类器
- 12.2 支持向量机的理论
- 12.2.1 支持向量机的支持技术
- 12.2.2 最优分类面
- 12.2.3 支持向量机的模型
- 12.2.4 支持向量机的算法
- 12.2.5 核函数
- 12.3 支持向量机的应用
- 第13章 小波分析算法
- 13.1 傅里叶变换
- 13.1.1 一维傅里叶变换
- 13.1.2 二维傅里叶变换
- 13.2 小波变换的基本定义
- 13.2.1 一维离散小波变换
- 13.2.2 二维离散小波变换
- 13.3 Mallat算法
- 13.3.1 Mallat算法的原理
- 13.3.2 常用小波函数
- 13.3.3 Mallat算法的应用
- 13.4 小波包分析
- 13.5 小波的GUI
- 13.6 小波分析的应用
- 13.6.1 小波分析在信号处理中的应用
- 13.6.2 小波变换在图像处理中的应用
- 参考文献
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
电子工业出版社
电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。
