软计算及其应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

软计算及其应用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

前言1

第1章 绪论1

1.1 软计算与人工智能的关系1

1.2 软计算科学的主要分支2

1.2.1 人工神经网络2

1.2.2 遗传算法4

1.2.3 模糊逻辑5

1.3 软计算的特性7

1.4 软计算研究的主要问题8

1.4.1 学习8

1.4.2 搜索10

1.4.3 推理12

第2章 模拟退火算法14

2.1 概述14

2.1.1 物理退火过程14

2.1.2 Metroplis算法15

2.1.3 模拟退火算法18

2.2 模拟退火算法的收敛性分析20

2.2.1 模拟退火算法的Markov链描述20

2.2.2 模拟退火算法的收敛性21

2.3 模拟退火算法的设计25

2.3.1 初始温度t026

2.3.2 终止温度te26

2.3.3 Markov链长Lk27

2.3.4 控制参数的更新函数T（t）28

2.4 模拟退火算法的应用29

2.4.1 模拟退火算法应用的一般要求29

2.4.2 典型组合优化问题的模拟退火算法31

参考文献33

第3章 人工神经网络35

3.1 人工神经网络的基本概念35

3.1.1 生物神经元模型35

3.1.2 人工神经元模型38

3.1.3 人工神经网络模型41

3.2 人工神经网络的学习方法43

3.2.1 学习机理43

3.2.2 学习方法44

3.2.3 学习规则45

3.3 前向式神经网络与算法48

3.3.1 感知器及算法48

3.3.2 BP网络与误差反向传播算法51

3.4 反馈网络模型及其主要算法57

3.4.1 Hopfield网络与算法57

3.4.2 Boltzmann机网络和学习方法60

3.4.3 自组织特征映射网络和算法64

3.5 神经网络的系统设计66

3.5.1 神经网络的适用范围67

3.5.2 神经网络的设计过程和需求分析68

3.5.3 神经网络的性能评价70

3.5.4 输入数据的预处理73

3.6 神经网络的应用74

3.6.1 基于神经网络的优化计算74

3.6.2 图像边缘检测77

参考文献79

第4章 遗传算法83

4.1 遗传算法的概念83

4.1.1 遗传算法的生物遗传学基础83

4.1.2 遗传算法的一般结构84

4.1.3 遗传算法的特点86

4.2 标准遗传算法的基本设计88

4.2.1 编码88

4.2.2 适应度函数90

4.2.3 遗传算法的基本操作93

4.2.4 遗传算法的终止控制设计97

4.3 遗传算法的模式理论97

4.3.1 模式概念97

4.3.2 模式定理99

4.3.3 遗传算法有效处理的模式数量100

4.4 遗传算法的理论与分析100

4.4.1 遗传算法的一般收敛性理论100

4.4.2 遗传算法的Markov链模型101

4.4.3 遗传算法的收敛速度分析103

4.4.4 遗传算法结构分析与设计106

4.5 遗传算法的发展107

4.5.1 改进遗传算法的一般结构107

4.5.2 编码问题108

4.5.3 遗传运算110

4.5.4 控制参数113

4.5.5 混合遗传算法113

4.6 遗传算法的应用114

4.6.1 巡回旅行商问题114

4.6.2 进化神经网络121

4.6.3 基于遗传算法的分类器系统123

参考文献125

第5章 支持向量机128

5.1 基本原理128

5.1.1 统计学习概述128

5.1.2 支持向量机130

5.2 支持向量机用于多类问题133

5.3 支持向量机用于回归135

5.3.1 ε不敏感损失回归136

5.3.2 核岭回归140

5.4 支持向量机的算法141

5.5 贝叶斯方法与高斯过程143

5.5.1 贝叶斯方法143

5.5.2 高斯过程145

5.6 支持向量机的应用145

5.6.1 文本分类145

5.6.2 图像识别147

5.6.3 手写数字识别149

参考文献150

第6章 模糊计算152

6.1 模糊系统概述152

6.1.1 传统数学与模糊数学152

6.1.2 不相容原理154

6.2 模糊集合与隶属度函数154

6.2.1 模糊集合与隶属度函数154

6.2.2 模糊集合的运算158

6.3 模糊关系与模糊矩阵161

6.3.1 普通关系162

6.3.2 模糊关系163

6.3.3 模糊关系的合成163

6.3.4 模糊矩阵165

6.3.5 模糊蕴含关系166

6.4 模糊逻辑与模糊推理167

6.4.1 模糊逻辑167

6.4.2 语言变量168

6.4.3 模糊推理169

6.5 模糊系统的建模180

6.5.1 模糊系统模型180

6.5.2 模糊系统模型的建立方法181

6.6 模糊系统与其他软计算的混合计算184

6.6.1 模糊神经网络184

6.6.2 模糊推理与遗传算法的结合186

参考文献188