智能计算与信息处理

图书标准信息

• 作者 邓 方 陈文颉
• 出版社 北京理工大学出版社
• 出版时间 2020-06
• 版次 1
• ISBN 9787568269551
• 定价 46.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸

【内容简介】

本书立足于实际工程应用需求，较为全面、系统地介绍了智能计算与信息处理的基本概念、发展现状、主要方法和基本应用。全书共分6章，以作者多年来在智能计算与信息处理领域的教学工作、科研成果为基础，全面讨论了知识与信息的表示、人工神经网络、不确定信息处理、群智能算法、云计算和大数据等内容。
  本书可作为高等院校相关专业的教学用书和学习参考读物，也可供相关领域的科研工作者和工程技术人员参考使用。

【作者简介】

邓方，在北京理工大学自动化学院获得学士和博士学位，随后留校工作至今。主要从事智能信息处理、智能穿戴式系统等研究，参与研制的装备已列装我军多个部队。发表论文7余篇，授权发明专利8余项，获国家科技进步二等奖1项，国防科技进步一等奖、二等奖多项。担任中国自动化学会理事，副秘书长，IEEE高级会员，中国指挥与控制学会火力与指挥控制专业委员会委员，中国自动化学会控制理论专业委员会、大数据专业委员会、自适应动态规划与强化学习专业委员会、环境感知与保护自动化专业委员会、能源互联网专业委员会委员，中国自动化学会青年工作委员会常务委员；新一代人工智能产业技术创新战略联盟专家委员会委员；《中国大百科全书》（第三版）控制科学与工程学科智能控制分支主编，《IEEE Transactions on Systems, Man, and Cybernetics: Systems》、《自动化学报》、《控制工程》、《中国自动化学会通讯》等期刊编委。2015年入选北京市科技新星，2018年入选中组部第三批“万人计划”青年拔尖人才。

【目录】

第1章  智能计算与信息处理概述 1

　1.1　智能计算与信息处理 1

　1.2　产生和发展 2

　1.3　主要研究内容 2

　　1.3.1　人工神经网络信息处理 2

　　1.3.2　模糊信息处理 3

　　1.3.3　可拓信息处理 4

　　1.3.4　粗糙集信息处理 5

　　1.3.5　群智能信息处理 6

　　1.3.6　云信息处理 7

　参考文献 8

第2章  知识与信息的表示 9

　2.1　基本概念 9

　　2.1.1　知识、信息和数据 9

　　2.1.2　知识的特点 1

　　2.1.3　知识的表示 1

　2.2　信息的表示 11

　　2.2.1　文本的表示 11

　　2.2.2　图像的表示 11

　　2.2.3　声音的表示 11

　2.3　知识的表示方法 12

　　2.3.1　一阶谓词逻辑表示法 12

　　2.3.2　产生式表示法 15

　　2.3.3　框架表示法 16

　　2.3.4　语义网络表示法 18

　　2.3.5　脚本表示法 2

　　2.3.6　面向对象表示法 21

　　2.3.7　状态空间表示法 22

　　2.3.8　与/或树表示 23

　　2.3.9　过程表示法 24

　2.4　知识的语言实现 25

　参考文献 25

第3章  人工神经网络信息处理 26

　3.1　概述与基本概念 26

　　3.1.1　人工神经元模型 27

　　3.1.2　人工神经网络模型 29

　3.2　感知机模型 3

　3.3　BP神经网络模型 34

　3.4　受限玻耳兹曼机 36

　3.5　循环神经网络 4

　3.6　生成对抗网络 43

　　3.6.1　简介 43

　　3.6.2　GAN的改进 45

　　3.6.3　生成对抗网络在Mnist数据集上的应用 46

　参考文献 46

第4章  不确定信息处理 48

　4.1　模糊信息处理 48

　　4.1.1　概述与基本原理 48

　　4.1.2　模糊推理 53

　　4.1.3　主要应用 56

　4.2　可拓信息处理 57

　　4.2.1　简介 57

　　4.2.2　可拓理论 58

　　4.2.3　主要应用 64

　4.3　粗糙集信息处理 66

　　4.3.1　粗糙集理论的发展概述 66

　　4.3.2　粗糙集理论的基本原理 68

　　4.3.3　计算实例 87

　　4.3.4　粗糙集的研究现状与展望 88

　参考文献 9

第5章  群智能算法 92

　5.1　蚁群算法 92

　　5.1.1　基本原理 92

　　5.1.2　系统模型 94

　　5.1.3　算法流程 96

　5.2　蚁群算法典型实例 98

　5.3　改进的蚁群算法 11

　　5.3.1　带精英策略的蚂蚁系统 11

　　5.3.2　最大最小蚂蚁系统 12

　　5.3.3　基于排序的蚂蚁系统 12

　5.4　粒子群优化算法 13

　　5.4.1　算法原理 13

　　5.4.2　算法流程 13

　　5.4.3　模型分析 14

　　5.4.4　收敛性分析 15

　　5.4.5　种群拓扑结构 15

　5.5　标准粒子群优化算法 15

　　5.5.1　带惯性权重w的粒子群优化算法 15

　　5.5.2　带压缩因子的粒子群优化算法 16

　5.6　改进粒子群优化算法 16

　5.7　粒子群优化算法的应用实例 16

　5.8　差分进化算法概述 113

　5.9　改进型差分进化算法 114

　　5.9.1　基于水平集自适应的差分进化算法 114

　　5.9.2　基于锦标赛选择的差分进化算法 115

　　5.9.3　PSO与EC的异同 115

　参考文献 116

第6章  云计算和大数据 118

　6.1　云计算 118

　　6.1.1　云计算的身世 118

　　6.1.2　云计算的概念及特征 12

　　6.1.3　云计算的分类 122

　　6.1.4　云计算的优势 123

　6.2　云与网的关系 124

　　6.2.1　以数据中心为界，云计算网络的外延与内涵 124

　　6.2.2　外延——关注用户体验 125

　　6.2.3　内涵——关注系统效率 125

　　6.2.4　物联网与云计算的融合 126

　6.3　大数据处理 126

　　6.3.1　大数据的产生 126

　　6.3.2　Docker实现虚拟计算/存储资源 128

　　6.3.3　MapReduce实现离线数据处理 129

　　6.3.4　Storm实现在线数据处理 13

　参考文献 131

附录 133