计算智能的数学基础2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

计算智能的数学基础PDF格式电子书版下载

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

第1章 概述1

1.1 信息科学与机器智能1

1.1.1 信息与信息科学1

1.1.2 智能与机器智能2

1.1.3 机器智能的三个学派4

1.2 计算智能的主要分支5

1.2.1 人工神经网络6

1.2.2 遗传算法8

1.2.3 模糊逻辑10

1.3 计算智能研究的主要问题11

1.3.1 学习12

1.3.2 搜索14

1.3.3 推理16

1.4 计算智能研究的主要方法17

1.4.1 模型18

1.4.2 算法18

1.4.3 实验21

习题122

第2章 感知器23

2.1 分类问题23

2.2.1 感知器模型25

2.2 感知器25

2.2.2 感知器学习26

2.2.3 线性可分28

2.2.4 收敛性30

2.2.5 复杂性32

2.3 算法的容量34

2.3.1 概念35

2.3.2 随机MP模型容量估计37

2.4 非线性感知器41

2.4.1 非线性权感知器41

2.4.2 Newton迭代法43

2.4.3 Newton法的收敛性45

2.5 高阶感知器51

2.5.1 高阶感知器模型51

2.5.2 Boolean函数52

2.6 模糊感知器55

2.6.1 模糊感知器模型55

2.6.2 算法的收敛性55

习题257

3.1.1 单层前向网模型58

3.1 单层前向网58

第3章 人工神经网络58

3.1.2 线性单层网59

3.2 最优化方法60

3.2.1 多元函数的极值60

3.2.2 梯度法61

3.2.3 最小二乘法64

3.3 多层前向网66

3.3.1 双层前向网66

3.3.2 学习目标67

3.3.3 误差的后向传播69

3.3.4 前向网络的学习算法71

3.4 径向基函数72

3.4.1 插值72

3.4.2 径向基函数网74

3.5 回归神经元网络76

3.5.1 Hopield网模型76

3.5.2 系统的稳定性78

3.5.3 系统的收敛性81

3.5.4 纠错学习问题83

习题384

4.1.1 最优分离超平面85

第4章 支撑向量机85

4.1 最优分离超平面85

4.1.2 二次规划87

4.1.3 KKT条件92

4.1.4 分类超曲面94

4.2 支撑向量机96

4.2.1 线性支撑向量机96

4.2.2 Gauss核支撑向量机98

4.3 SVM学习算法102

4.3.1 SMO算法102

4.3.2 SMO算法的实现107

4.3.3 SMO算法的改进108

4.4 数值实验110

习题4111

第5章 遗传算法112

5.1 简单遗传算法112

5.1.1 简单遗传算法112

5.1.2 模式（Schema）116

5.2 个体与种群118

5.2.1 个体118

5.2.2 种群123

5.3 遗传算子125

5.3.1 选择算子126

5.3.2 杂交算子128

5.3.3 变异算子131

5.3.4 删除算子132

5.4 模式133

5.4.1 最小模式133

5.4.2 杂交算子的整体性质136

习题5142

6.1.1 MATLAB简介143

6.1 数学软件MATLAB相关函数143

第6章 数值实验143

6.1.2 相关函数144

6.2 感知器数值实验147

6.2.1 感知器生成与实例147

6.2.2 线性神经网络生成与实例151

6.3 BP算法数值实验154

6.4 自适应网络157

6.4.1 自适应网络简介157

6.4.2 自适应网络实验159

习题6163

第7章 应用164

7.1 旅行商问题164

7.1.1 TSP问题描述164

7.1.2 连续Hopfield方法165

7.1.3 TSP的HNNS模型167

7.2 神经网络优化算法170

7.2.1 线性规划及对偶问题170

7.2.2 神经网络优化模型172

7.2.3 凸函数175

7.2.4 网络模型的收敛性179

7.2.5 数值方法183

7.3 TSP的遗传算法183

7.3.1 算法描述183

7.3.2 程序实现185

习题7186

第8章 模糊集与模糊系统187

8.1 模糊集与隶属函数187

8.1.1 特征函数187

8.1.2 模糊集与隶属函数188

8.1.3 模糊集合的表示法190

8.2.1 模糊集上的基本运算192

8.2 模糊集上的运算192

8.2.2 模糊集运算的基本性质195

8.2.3 模糊集合的代数和、代数积、有界和、有界积197

8.3 凸模糊集及其性质199

8.3.1 凸模糊集199

8.3.2 模糊数203

8.3.3 2型模糊集与条件模糊集205

8.4 模糊系统与模糊算法208

8.4.1 模糊系统与状态208

8.4.2 模糊系统的状态方程209

习题8214

第9章 模糊逻辑与模糊推理216

9.1 基本概念216

9.1.1 模糊逻辑216

9.1.2 模糊语言217

9.1.3 模糊推理220

9.2 模糊命题与模糊逻辑公式222

9.2.1 模糊命题与模糊关系222

9.2.2 析取范式与合取范式224

9.3 模糊逻辑公式的化简227

9.3.1 主析取范式227

9.3.2 最简析取范式230

9.4 模糊逻辑函数的分析合成235

9.4.1 模糊逻辑函数的分解235

9.4.2 模糊逻辑函数的合成236

9.5 模糊语言与模糊推理238

9.5.1 模糊语言及基本性质238

9.5.2 模糊推理及其规则241

习题9247

第10章 模糊模式识别与模糊控制250

10.1 模糊模式识别的直接方法250

10.1.1 最大隶属原则与图形识别250

10.1.2 手写数字和字母的识别252

10.2 贴近度与模糊模式识别的间接方法257

10.2.1 贴近度及有关概念257

10.2.2 模糊度与择近原则265

10.2.3 利用择近原则进行模糊模式识别举例267

10.3 模糊控制原理269

10.3.1 模糊控制及其类型269

10.3.2 模糊控制过程271

习题10276

附录TSP的遗传算法程序279

主要参考文献290