消息 首页 搜索 举报
  • MATLAB R2017a人工智能算法
21年品牌 40万+商家 超1.5亿件商品

MATLAB R2017a人工智能算法

￥ 669 ￥ 69 九五品

仅1件

北京通州
认证卖家担保交易快速发货售后保障

作者张德丰 编著

出版社电子工业出版社

ISBN9787121340611

出版时间2018-05

版次1

装帧平装

开本16开

纸张胶版纸

页数396页

字数99999千字

定价69元

上书时间2024-08-16

山頭斜照
已实名 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：九五品
商品描述
基本信息
书名:MATLAB R2017a人工智能算法
定价：69.00元
作者:张德丰 编著
出版社：电子工业出版社
出版日期：2018-05-01
ISBN：9787121340611
字数：659000
页码：396
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
适读人群 ：电子、通信、计算机等专业高年技本科生和研究生的学习用书，相关领域科研人员和工程技术人员的参考用书。                              本书算法先进，实例丰富，并提供实例源代码的免费下载。
内容提要
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。本书内容以理论为基础，以实际应用为，循序渐进地向读者讲解怎样利用MATLAB智能算法解决实际问题。全书共13章，主要内容包括MATLAB R2017a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。
目录
章 初识MATLAB R2017a 11.1 MATLAB的应用领域和优势 11.2 MATLAB R2017a的新功能 31.3 MATLAB的编程风格 41.4 MATLAB的接口技术 51.5 MATLAB与C/C++混合编程 51.6 MATLAB的工作环境 61.6.1 菜单/工具栏 71.6.2 命令行窗口 71.6.3 工作区 81.7 MATLAB的常用命令 91.8 MATLAB的帮助系统 101.8.1 纯文本帮助 101.8.2 演示帮助 121.9 MATLAB的数据类型 131.9.1 数值类型 131.9.2 字符与字符串 161.9.3 逻辑类型 181.9.4 函数句柄 191.9.5 结构数组 211.9.6 元胞数组 241.10 MATLAB的运算符 281.10.1 算术运算符 281.10.2 关系运算符 291.10.3 逻辑运算符 301.10.4 运算优先级 31第2章 MATLAB的编程基础 322.1 数组及其运算 322.1.1 数组的创建 322.1.2 数组的运算 332.2 矩阵及其运算 352.2.1 矩阵的创建 352.2.2 特殊矩阵的生成 372.2.3 矩阵的操作 392.2.4 矩阵的基本运算 412.2.5 矩阵的相关运算 422.3 MATLAB控制语句 442.3.1 循环结构 442.3.2 分支控制语句 462.4 m文件 492.4.1 m文件的分类 492.4.2 m文件的结构 512.5 图形可视化 512.5.1 MATLAB的绘图步骤 522.5.2 在工作空间直接绘图 522.5.3 二维图形绘制 532.5.4 图形的修饰 552.5.5 三维绘图 58第3章 人工智能概述 623.1 什么是智能 623.1.1 智能的定义 623.1.2 人工智能的定义 633.2 人工智能的发展 643.3 人工智能的研究方法 643.4 人工智能的危机 663.5 人工智能的应用 673.6 人工智能的发展趋势 673.7 人工智能对人类的深远影响 683.7.1 人工智能对经济的影响 683.7.2 人工智能对社会的影响 683.7.3 人工智能对文化的影响 703.8 各种常用智能算法 713.8.1 群智能算法 713.8.2 模拟退火算法 723.8.3 禁忌搜索算法 723.8.4 神经网络算法 72第4章 人工神经网络算法 744.1 人工神经网络概述 744.1.1 神经网络研究的方向 744.1.2 人脑工作原理 754.1.3 人工神经网络的工作原理 754.1.4 人工神经网络的基本特征 764.1.5 人工神经网络的特点 774.2 神经网络算法的理论 784.2.1 人工神经元模型 784.2.2 常用激活函数 794.2.3 神经网络模型 804.2.4 神经网络工作方式 814.2.5 几种常见的神经网络 814.3 BP神经网络 844.3.1 BP神经网络的拓扑结构 844.3.2 BP神经网络的训练 854.3.3 BP神经网络的学习方法 864.3.4 BP神经网络的实现 904.4 径向基神经网络 934.4.1 RBF的基本思想 944.4.2 RBF的网络模型 944.4.3 RBF的网络输出 944.4.4 RBF网络的学习过程 954.4.5 RBF网络有关的几个问题 974.4.6 RBF神经网络的应用 984.5 自组织神经网络 1064.5.1 自组织竞争神经网络的基本概念 1074.5.2 自组织特征映射神经网络 1084.5.3 自组织竞争神经网络的应用 1104.6 对向传播神经网络 1144.6.1 CPN的基本概念 1144.6.2 CPN网络的学习算法 1154.7 广义回归神经网络 1154.7.1 广义回归神经网络的结构 1164.7.2 广义回归神经网络的优点 1164.7.3 广义回归神经网络的应用 1174.8 概率神经网络 1184.8.1 概率神经网络的结构 1184.8.2 概率神经网络的优缺点 1194.8.3 概率神经网络的应用 1204.9 Hopfield神经网络 1254.9.1 Hopfield神经网络的结构 1254.9.2 Hopfield神经网络的学习算法 1264.9.3 Hopfield神经网络的应用 126第5章 模糊逻辑控制算法 1325.1 模糊逻辑控制概述 1325.1.1 模糊、神经网络、人工智能间的关系 1325.1.2 神经网络和模糊系统的比较 1335.1.3 模糊和神经网络的结合 1355.2 模糊逻辑控制理论 1365.2.1 模糊逻辑控制的基本概念 1365.2.2 模糊逻辑的组成 1375.2.3 模糊逻辑控制原理 1375.2.4 模糊逻辑控制器的设计内容 1395.2.5 模糊逻辑控制的规则 1395.2.6 模糊逻辑控制的应用领域 1405.3 模糊逻辑控制工具箱 1415.3.1 模糊逻辑控制工具箱的功能特点 1415.3.2 模糊系统的基本类型 1425.3.3 模糊推理系统的基本函数 1435.4 模糊逻辑工具箱的图形用户界面 1585.4.1 FIS编辑器 1585.4.2 隶属度函数编辑器 1595.4.3 模糊规则编辑器 1605.4.4 模糊规则浏览器 1615.4.5 输入/输出曲面视图 1615.4.6 模糊推理界面的应用 1625.5 基于Simulink的模糊逻辑控制 1645.6 模糊推理系统在控制系统中的应用 170第6章  粒子群算法 1746.1 粒子群概述 1746.1.1 人工生命 1746.1.2 粒子群算法的基本原理 1756.1.3 全局与局部模式 1766.1.4 粒子群的算法建模 1766.1.5 粒子群的特点 1766.1.6 粒子群算法与其他进化算法的异同 1776.2 粒子群的种类 1776.2.1 基本粒子群 1776.2.2 标准粒子群 1786.2.3 压缩因子粒子群 1796.2.4 离散粒子群 1796.3 基于粒子群的聚类分析 1806.4 粒子群算法的MATLAB实现 1816.5 改进权重粒子群算法 1876.5.1 自适应权重法 1876.5.2 随机权重法 1906.5.3 线性递减权重法 1926.6 混合粒子群算法 1946.6.1 混合粒子群协同优化的设计思想 1946.6.2 基于杂交的算法 1946.6.3 基于自然选择的算法 1976.6.4 基于模拟退火的算法 1996.7 粒子群的应用 202第7章 蚁群算法 2087.1 蚁群的基本概念 2087.1.1 蚁群的觅食过程 2087.1.2 人工蚂蚁与真实蚂蚁的异同 2087.1.3 人工蚁群的优化过程 2097.1.4 蚁群算法的基本原理 2107.2 改进的蚁群算法 2117.2.1 蚁群系统 2117.2.2 精英蚁群系统 2127.2.3 最大最小蚁群系统 2127.2.4 排序的蚁群系统 2137.2.5 几种改进蚁群算法的比较 2137.3 自适应蚁群算法 2137.4 蚁群算法的重要规则 2157.5 蚁群算法的应用进展及发展趋势 2167.5.1 应用进展 2167.5.2 存在的问题 2167.5.3 发展趋势 2167.5.4 蚁群算法的MATLAB实现 2177.6 蚁群算法的应用 219第8章 模拟退火算法 2348.1 模拟退火算法的理论 2348.1.1 模拟退火算法的思想 2348.1.2 物理退火的过程 2358.1.3 模拟退火的原理 2368.1.4 模拟退火算法的终止准则 2368.1.5 模拟退火算法的特点 2368.2 模拟退火算法的改进 2378.2.1 模拟退火算法的改进方式 2378.2.2 模拟退火算法的改进新解 2388.3 模拟退火算法的MATLAB工具箱 2388.4 模拟退火算法的应用 242第9章 遗传算法 2499.1 遗传算法概述 2499.1.1 遗传算法的生物学基础 2499.1.2 遗传算法的名称解释 2509.1.3 遗传算法的运算过程 2519.1.4 遗传算法的特点 2529.1.5 遗传算法的改进方向 2539.2 遗传算法的构成要素 2549.2.1 染色体的编码 2549.2.2 适应度函数 2559.2.3 遗传算子 2569.3 控制参数的选择 2589.4 遗传算法的研究现状 2589.5 遗传算法的应用领域 2609.6 遗传算法工具箱 2609.6.1 遗传算法的程序设计 2619.6.2 MATLAB自带的遗传算法函数 2659.6.3 遗传算法的GUI 2689.7 遗传算法的应用 2709.7.1 遗传算法求解极值问题 2709.7.2 遗传算法求解TSP问题 2809.7.3 遗传算法的BP神经网络实现 2860章 免疫算法 29410.1 免疫算法概述 29410.1.1 免疫算法的发展史 29510.1.2 生物免疫系统 29510.1.3 免疫算法的基本原理 29710.1.4 免疫算法流程 29810.1.5 免疫算法算子 29910.1.6 免疫算法的特点 30110.1.7 免疫算法的发展趋势 30110.2 免疫遗传算法 30210.2.1 免疫遗传算法的几个基本概念 30310.2.2 免疫遗传算法的原理 30410.2.3 免疫遗传算法的MATLAB实现 30510.3 免疫算法的应用 31310.3.1 免疫算法在优化中的应用 31310.3.2 免疫算法在TSP中的应用 31610.3.3 免疫算法在物流选址中的应用 32010.3.4 免疫算法在故障检测中的应用 3271章 禁忌搜索算法 33511.1 禁忌搜索的相关理论 33511.1.1 启发式搜索算法与传统的方法 33511.1.2 禁忌搜索与局部邻域搜索 33611.1.3 局部邻域搜索 33611.1.4 禁忌搜索的基本思想 33711.1.5 禁忌搜索算法的特点 33811.1.6 禁忌搜索算法的改进方向 33911.2 禁忌算法的关键参数 33911.3 禁忌搜索算法的应用 3432章 支持向量机算法 34912.1 支持向量机的相关理论 34912.1.1 统计学理论 34912.1.2 数据挖掘分类 35012.1.3 线性分类器 35112.2 支持向量机的理论 35312.2.1 支持向量机的支持技术 35312.2.2 最优分类面 35412.2.3 支持向量机的模型 35412.2.4 支持向量机的算法 35512.2.5 核函数 35612.3 支持向量机的应用 3573章 小波分析算法 36113.1 傅里叶变换 36113.1.1 一维傅里叶变换 36113.1.2 二维傅里叶变换 36613.2 小波变换的基本定义 36713.2.1 一维离散小波变换 36813.2.2 二维离散小波变换 36813.3 Mallat算法 37013.3.1 Mallat算法的原理 37113.3.2 常用小波函数 37313.3.3 Mallat算法的应用 37513.4 小波包分析 37813.5 小波的GUI 38013.6 小波分析的应用 38313.6.1 小波分析在信号处理中的应用 38313.6.2 小波变换在图像处理中的应用 390参考文献 398
作者介绍
张德丰，男， 1963年9月生，辽宁大连人。1993年毕业于哈尔滨工业大学航天学院，获得工学硕士学位。现佛山科学技术学院，电子信息工程学院计算机系，计算机应用技术教授。学院数字图像处理与识别学术带头人。
序言

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP