相關商品
商品簡介
名人/編輯推薦
目次
商品簡介
智能的概念和內容很多，其核心思想是模擬人或其他生物的神經系統，實現各種運算和操作過程，尤其是人的智能操作。
《智能計算中的算法、原理和應用》由四部分組成，**部分是概論，討論智能計算的類型、特徵、發展過程和應用問題，並介紹和其他學科的關係問題。這些學科主要是生命科學、信息科學等。第二部分是算法篇，介紹智能計算中多種不同類型的算法，詳細介紹它們的計算步驟、特徵、原理等有關問題，重點是討論它們的定位問題。第三部分討論智能的智能化問題，即這些智能計算算法在計算機和神經網絡系統中的實現問題。第四部分是附錄，對《智能計算中的算法、原理和應用》常用的數學公式、符號、名稱及所涉及的一些(如數學)學科的基礎知識作簡單介紹和說明。
《智能計算中的算法、原理和應用》由四部分組成，**部分是概論，討論智能計算的類型、特徵、發展過程和應用問題，並介紹和其他學科的關係問題。這些學科主要是生命科學、信息科學等。第二部分是算法篇，介紹智能計算中多種不同類型的算法，詳細介紹它們的計算步驟、特徵、原理等有關問題，重點是討論它們的定位問題。第三部分討論智能的智能化問題，即這些智能計算算法在計算機和神經網絡系統中的實現問題。第四部分是附錄，對《智能計算中的算法、原理和應用》常用的數學公式、符號、名稱及所涉及的一些(如數學)學科的基礎知識作簡單介紹和說明。
名人/編輯推薦
人工智能,算法
目次
目錄
“統計與資料科學叢書”序
前言
**部分 概論
第1章 智能計算概述 3
1.1 智能計算的總體情況 3
1.1.1 智能計算的兩大類型、三個層次和五個特徵 3
1.1.2 有關智能計算算法的類型表 4
1.2 智能計算的發展歷史 7
1.2.1 智能計算的幾個發展階段 7
1.2.2 大資料、雲計算智能計算階段 10
1.3 關於智能計算算法的分析和定位問題 11
1.3.1 什麼是智能計算算法的定位問題 12
1.3.2 關於感知器系列算法的分析和定位 12
1.3.3 對 HNNS 系列模型和理論的定位 15
1.4 由 NNS 的定位對各學科產生的影響 16
1.4.1 對生命科學與神經科學的影響 16
1.4.2 邏輯學、計算機科學的意義和影響 17
1.4.3 對第四次科技和產業革命的預測 19
第2章 智能計算和其他學科的關係 20
2.1 和生命科學、神經科學的關係 20
2.1.1 生物神經系統的結構特徵 20
2.1.2 生物神經系統中的數字化表達 23
2.1.3 數字化的表示和意義的分析 26
2.1.4 關於 NNS 的綜合分析 27
2.2 和 3C、4C 理論的關係 28
2.2.1 3C 理論概述 29
2.2.2 和計算機科學的關係問題 31
2.3 和信息理論、控制論與其他學科的關係 33
2.3.1 信息理論的基本內容 34
2.3.2 控制論 36
2.4 和其他學科的關係問題 37
2.4.1 對語言學和邏輯學的概要說明 37
2.4.2 語言學、邏輯學和 NNS 的關係問題 39
第二部分 算法篇
第3章 感知器 43
3.1 感知器的基本模型和算法 43
3.1.1 感知器的學習目標、算法和收斂性定理 43
3.1.2 感知器模型的推廣 47
3.2 一般空間結構的幾何分析——感知器理論分析的數學基礎 52
3.2.1 Rn 空間中的集合論和拓撲結構 52
3.2.2 Rn 空間中向量集合的深度分析 53
3.2.3 其他類型深度的定義和性質 56
3.2.4 Rn 空間中的幾何結構分析 59
3.2.5 Rn 空間中的超多面體和超圖理論 61
3.3 感知器的理論分析 67
3.3.1 感知器的可計算性的基本定理 67
3.3.2 感知器解的討論 70
3.3.3 感知器的計算複雜度 73
3.4 感知器的容量問題 74
3.4.1 和感知器的容量有關的問題 74
3.4.2 容量估計時的隨機分析 76
第4章 感知器理論的應用 78
4.1 模糊感知器的理論分析及其在圖像識別中的應用 78
4.1.1 圖像系統 78
4.1.2 模糊感知器的隨機分析 81
4.1.3 關於模糊分類中指標的確定 83
4.2 空間集合系的相互關係和它們的表示 85
4.2.1 集合論 85
4.2.2 集合系統的對等關係和規模表示 88
4.2.3 子集系的構造和計數 89
4.2.4 布耳函數的運算關係 91
4.3 布耳函數在感知器中的表達 92
4.3.1 布耳函數在感知器模型下的表達 92
4.3.2 幾種特殊布耳函數在感知器模型下的表達 94
4.3.3 關於布林集合線性可分性的討論 96
第5章 支持向量機 100
5.1 支援向量機的模型和學習目標 100
5.1.1 支援向量機的目標分類 100
5.1.2 支援向量機的學習目標和算法 101
5.1.3 支持向量機的求解問題 102
5.2 支持向量機的求解問題 103
5.2.1 感知器的解 104
5.3 支援向量機的智能計算算法 107
5.3.1 關於集合 L = LA，B 的拓撲空間結構問題 107
5.3.2 關於集合 L = LA，B 的構造 107
5.3.3 計算算法中的等價關係 109
5.3.4 支援向量機的計算算法 110
第6章 多層次、多輸出感知器及其深度學習算法 112
6.1 多輸出感知器 112
6.1.1 二輸出的感知器模型 112
6.1.2 二輸出、四目標感知器的學習算法 114
6.2 一般多輸出感知器系統 115
6.2.1 多輸出感知器的模型構造 115
6.2.2 多輸出感知器的學習、分類問題 117
6.2.3 關於多層次、多輸出感知器的學習算法 119
6.3 多輸出模糊感知器理論和圖像識別問題 120
6.3.1 圖像和圖像分類、識別系統 121
6.3.2 關於學習算法的說明 122
6.3.3 關於學習、訓練樣本和檢測樣本的討論 123
6.3.4 布耳函數在多層次、多輸出感知器模型運算下的實現問題 125
第7章 零知識條件下的優化和分類算法 126
7.1 關於零知識問題的討論 126
7.1.1 有關零知識和信息特徵的基本概念 126
7.1.2 信號中有的信息特徵 127
7.1.3 信號的其他輔助特徵 129
7.1.4 信號集合的聚類問題 130
7.2 聚類分析中的計算算法 131
7.3 對聚類分析中有關問題的討論 133
7.3.1 圖像之間的距離選擇 134
7.3.2 聚類分析在感知器模型下的討論 135
第8章 布耳函數和多層感知器的基本關係定理 137
8.1 布耳函數在多層感知器模型中的表達 137
8.1.1 多層感知器的數學模型 137
8.1.2 對基本方程組的討論 139
8.2 布耳函數在多層感知器模型中表達的基本定理 140
8.2.1 關於線性不可分集合的信息處理 140
8.2.2 布耳函數和多層感知器關係的一個基本定理 143
8.3 多層感知器的學習、訓練算法 145
8.3.1 布耳函數和多層次、多輸出感知器 145
8.3.2 布耳函數或布林集合的性質 146
8.3.3 一般布耳函數的多層次、多輸出感知器表達算法 147
8.3.4 關於算法步驟的改進和討論 149
第9章 Hopfield NNS 151
9.1 對 HNNS 的介紹和討論 151
9.1.1 有關 HNNS 的模型和記號 151
9.1.2 HNNS 的能量函數 154
9.1.3 關於 HNNS 理論的討論 156
9.2 玻爾茲曼機與它的學習理論 158
9.2.1 玻爾茲曼機的運動模型 158
9.2.2 B-機的學習理論 161
9.2.3 對 B-機的討論和分析 163
9.3 正向和反向的 HNNS 164
第10章 遺傳算法和 DNA 計算 168
10.1 概述 168
10.1.1 發展歷史、基因結構和基因操作 168
10.1.2 點線圖和 Hamilton 回路問題 171
10.1.3 有關 HPP 問題中的 DNA 操作問題 175
10.2 有關 DNA 操作的討論 176
10.2.1 基因的突變和比對問題 176
10.3 廣義改錯碼理論及其應用 179
10.3.1 廣義改錯碼的定義及其構造 179
10.3.2 廣義改錯碼在 DNA 計算中的應用 181
10.4 遺傳算法 182
10.4.1 遺傳算法中的基本結構和基本原理 182
10.4.2 基因操作中的運算子 184
10.4.3 基因的選擇性原理和隨機系統 185
10.5 遺傳算法中的優化問題 188
10.5.1 優化問題的表述 188
10.5.2 遺傳算法中的基本思路和技術算法步驟 189
第11章 計算數學和統計計算中的有關算法和理論 191
11.1 EM 算法及其理論分析 191
11.1.1 統計估計問題 191
11.1.2 EM 算法簡介 192
11.1.3 EM 算法的實例計算 193
11.2 **組合投資決策的統計計算 195
11.2.1 **組合投資決策問題 195
11.2.2 **組合投資決策的遞推計算法 197
11.2.3 YYB 算法 197
11.3 數值計算中的算法 198
11.3.1 線性方程組及其計算法 199
11.3.2 線性方程組的反覆運算算法 202
11.3.3 有關矩陣、行列式的計算法 204
11.3.4 矩陣的其他計算 208
11.4 數值分析中的有關理論和算法 209
11.4.1 誤差和對誤差的分析 209
11.4.2 插值和擬合 211
11.4.3 牛頓插值法 214
11.4.4 插值法中的樣條理論 216
11.5 函數逼近和資料擬合 217
11.5.1 正交多項式 217
11.5.2 重要的正交多項式函數系 220
11.5.3 **逼近理論 223
11.5.4 一些特殊的**逼近問題 224
11.6 數值計算 225
11.6.1 非線性函數的數值計算 225
11.6.2 數值積分和微分中的計算算法 227
11.6.3 常微分方程的數值解 230
第三部分 智能的智能化問題
第12章 張量和張量分析 235
12.1 張量的類型和運算 235
12.1.1 張量的定義和記號 235
12.1.2 張量的運算 238
12.2 張量空間 243
12.2.1 張量空間的表述 243
12.2.2 張量內積空間 245
12.3 張量空間中一些特殊的張量 246
12.3.1 非負張量和正定張量 247
12.3.2 總能量、**和*小值問題 248
第13章 集合論和邏輯學 251
13.1 布林代數和布林邏輯 251
13.1.1 布林代數的定義和性質 251
13.1.2 布林邏輯 252
13.1.3 邏輯運算和規則 253
13.1.4 布林代數的補充定義和性質 254
13.1.5 布耳函數 255
13.1.6 邏輯代數 256
13.1.7 基本邏輯關係 (邏輯恒等式和基本邏輯規則) 257
第14章 神經網絡系統的時空結構理論 259
14.1 T-SNNS 的結構模型 259
14.1.1 NNS 中的指標體系 259
14.1.2 T-SNNS 中的空間區域和功能指標 260
14.1.3 關於區域和功能的討論 264
14.1.4 T-SNNS 中的能量函數 265
14.1.5 多重 T-SNNS 266
14.2 複合網絡 268
14.2.1 複合圖論 269
14.2.2 複
“統計與資料科學叢書”序
前言
**部分 概論
第1章 智能計算概述 3
1.1 智能計算的總體情況 3
1.1.1 智能計算的兩大類型、三個層次和五個特徵 3
1.1.2 有關智能計算算法的類型表 4
1.2 智能計算的發展歷史 7
1.2.1 智能計算的幾個發展階段 7
1.2.2 大資料、雲計算智能計算階段 10
1.3 關於智能計算算法的分析和定位問題 11
1.3.1 什麼是智能計算算法的定位問題 12
1.3.2 關於感知器系列算法的分析和定位 12
1.3.3 對 HNNS 系列模型和理論的定位 15
1.4 由 NNS 的定位對各學科產生的影響 16
1.4.1 對生命科學與神經科學的影響 16
1.4.2 邏輯學、計算機科學的意義和影響 17
1.4.3 對第四次科技和產業革命的預測 19
第2章 智能計算和其他學科的關係 20
2.1 和生命科學、神經科學的關係 20
2.1.1 生物神經系統的結構特徵 20
2.1.2 生物神經系統中的數字化表達 23
2.1.3 數字化的表示和意義的分析 26
2.1.4 關於 NNS 的綜合分析 27
2.2 和 3C、4C 理論的關係 28
2.2.1 3C 理論概述 29
2.2.2 和計算機科學的關係問題 31
2.3 和信息理論、控制論與其他學科的關係 33
2.3.1 信息理論的基本內容 34
2.3.2 控制論 36
2.4 和其他學科的關係問題 37
2.4.1 對語言學和邏輯學的概要說明 37
2.4.2 語言學、邏輯學和 NNS 的關係問題 39
第二部分 算法篇
第3章 感知器 43
3.1 感知器的基本模型和算法 43
3.1.1 感知器的學習目標、算法和收斂性定理 43
3.1.2 感知器模型的推廣 47
3.2 一般空間結構的幾何分析——感知器理論分析的數學基礎 52
3.2.1 Rn 空間中的集合論和拓撲結構 52
3.2.2 Rn 空間中向量集合的深度分析 53
3.2.3 其他類型深度的定義和性質 56
3.2.4 Rn 空間中的幾何結構分析 59
3.2.5 Rn 空間中的超多面體和超圖理論 61
3.3 感知器的理論分析 67
3.3.1 感知器的可計算性的基本定理 67
3.3.2 感知器解的討論 70
3.3.3 感知器的計算複雜度 73
3.4 感知器的容量問題 74
3.4.1 和感知器的容量有關的問題 74
3.4.2 容量估計時的隨機分析 76
第4章 感知器理論的應用 78
4.1 模糊感知器的理論分析及其在圖像識別中的應用 78
4.1.1 圖像系統 78
4.1.2 模糊感知器的隨機分析 81
4.1.3 關於模糊分類中指標的確定 83
4.2 空間集合系的相互關係和它們的表示 85
4.2.1 集合論 85
4.2.2 集合系統的對等關係和規模表示 88
4.2.3 子集系的構造和計數 89
4.2.4 布耳函數的運算關係 91
4.3 布耳函數在感知器中的表達 92
4.3.1 布耳函數在感知器模型下的表達 92
4.3.2 幾種特殊布耳函數在感知器模型下的表達 94
4.3.3 關於布林集合線性可分性的討論 96
第5章 支持向量機 100
5.1 支援向量機的模型和學習目標 100
5.1.1 支援向量機的目標分類 100
5.1.2 支援向量機的學習目標和算法 101
5.1.3 支持向量機的求解問題 102
5.2 支持向量機的求解問題 103
5.2.1 感知器的解 104
5.3 支援向量機的智能計算算法 107
5.3.1 關於集合 L = LA，B 的拓撲空間結構問題 107
5.3.2 關於集合 L = LA，B 的構造 107
5.3.3 計算算法中的等價關係 109
5.3.4 支援向量機的計算算法 110
第6章 多層次、多輸出感知器及其深度學習算法 112
6.1 多輸出感知器 112
6.1.1 二輸出的感知器模型 112
6.1.2 二輸出、四目標感知器的學習算法 114
6.2 一般多輸出感知器系統 115
6.2.1 多輸出感知器的模型構造 115
6.2.2 多輸出感知器的學習、分類問題 117
6.2.3 關於多層次、多輸出感知器的學習算法 119
6.3 多輸出模糊感知器理論和圖像識別問題 120
6.3.1 圖像和圖像分類、識別系統 121
6.3.2 關於學習算法的說明 122
6.3.3 關於學習、訓練樣本和檢測樣本的討論 123
6.3.4 布耳函數在多層次、多輸出感知器模型運算下的實現問題 125
第7章 零知識條件下的優化和分類算法 126
7.1 關於零知識問題的討論 126
7.1.1 有關零知識和信息特徵的基本概念 126
7.1.2 信號中有的信息特徵 127
7.1.3 信號的其他輔助特徵 129
7.1.4 信號集合的聚類問題 130
7.2 聚類分析中的計算算法 131
7.3 對聚類分析中有關問題的討論 133
7.3.1 圖像之間的距離選擇 134
7.3.2 聚類分析在感知器模型下的討論 135
第8章 布耳函數和多層感知器的基本關係定理 137
8.1 布耳函數在多層感知器模型中的表達 137
8.1.1 多層感知器的數學模型 137
8.1.2 對基本方程組的討論 139
8.2 布耳函數在多層感知器模型中表達的基本定理 140
8.2.1 關於線性不可分集合的信息處理 140
8.2.2 布耳函數和多層感知器關係的一個基本定理 143
8.3 多層感知器的學習、訓練算法 145
8.3.1 布耳函數和多層次、多輸出感知器 145
8.3.2 布耳函數或布林集合的性質 146
8.3.3 一般布耳函數的多層次、多輸出感知器表達算法 147
8.3.4 關於算法步驟的改進和討論 149
第9章 Hopfield NNS 151
9.1 對 HNNS 的介紹和討論 151
9.1.1 有關 HNNS 的模型和記號 151
9.1.2 HNNS 的能量函數 154
9.1.3 關於 HNNS 理論的討論 156
9.2 玻爾茲曼機與它的學習理論 158
9.2.1 玻爾茲曼機的運動模型 158
9.2.2 B-機的學習理論 161
9.2.3 對 B-機的討論和分析 163
9.3 正向和反向的 HNNS 164
第10章 遺傳算法和 DNA 計算 168
10.1 概述 168
10.1.1 發展歷史、基因結構和基因操作 168
10.1.2 點線圖和 Hamilton 回路問題 171
10.1.3 有關 HPP 問題中的 DNA 操作問題 175
10.2 有關 DNA 操作的討論 176
10.2.1 基因的突變和比對問題 176
10.3 廣義改錯碼理論及其應用 179
10.3.1 廣義改錯碼的定義及其構造 179
10.3.2 廣義改錯碼在 DNA 計算中的應用 181
10.4 遺傳算法 182
10.4.1 遺傳算法中的基本結構和基本原理 182
10.4.2 基因操作中的運算子 184
10.4.3 基因的選擇性原理和隨機系統 185
10.5 遺傳算法中的優化問題 188
10.5.1 優化問題的表述 188
10.5.2 遺傳算法中的基本思路和技術算法步驟 189
第11章 計算數學和統計計算中的有關算法和理論 191
11.1 EM 算法及其理論分析 191
11.1.1 統計估計問題 191
11.1.2 EM 算法簡介 192
11.1.3 EM 算法的實例計算 193
11.2 **組合投資決策的統計計算 195
11.2.1 **組合投資決策問題 195
11.2.2 **組合投資決策的遞推計算法 197
11.2.3 YYB 算法 197
11.3 數值計算中的算法 198
11.3.1 線性方程組及其計算法 199
11.3.2 線性方程組的反覆運算算法 202
11.3.3 有關矩陣、行列式的計算法 204
11.3.4 矩陣的其他計算 208
11.4 數值分析中的有關理論和算法 209
11.4.1 誤差和對誤差的分析 209
11.4.2 插值和擬合 211
11.4.3 牛頓插值法 214
11.4.4 插值法中的樣條理論 216
11.5 函數逼近和資料擬合 217
11.5.1 正交多項式 217
11.5.2 重要的正交多項式函數系 220
11.5.3 **逼近理論 223
11.5.4 一些特殊的**逼近問題 224
11.6 數值計算 225
11.6.1 非線性函數的數值計算 225
11.6.2 數值積分和微分中的計算算法 227
11.6.3 常微分方程的數值解 230
第三部分 智能的智能化問題
第12章 張量和張量分析 235
12.1 張量的類型和運算 235
12.1.1 張量的定義和記號 235
12.1.2 張量的運算 238
12.2 張量空間 243
12.2.1 張量空間的表述 243
12.2.2 張量內積空間 245
12.3 張量空間中一些特殊的張量 246
12.3.1 非負張量和正定張量 247
12.3.2 總能量、**和*小值問題 248
第13章 集合論和邏輯學 251
13.1 布林代數和布林邏輯 251
13.1.1 布林代數的定義和性質 251
13.1.2 布林邏輯 252
13.1.3 邏輯運算和規則 253
13.1.4 布林代數的補充定義和性質 254
13.1.5 布耳函數 255
13.1.6 邏輯代數 256
13.1.7 基本邏輯關係 (邏輯恒等式和基本邏輯規則) 257
第14章 神經網絡系統的時空結構理論 259
14.1 T-SNNS 的結構模型 259
14.1.1 NNS 中的指標體系 259
14.1.2 T-SNNS 中的空間區域和功能指標 260
14.1.3 關於區域和功能的討論 264
14.1.4 T-SNNS 中的能量函數 265
14.1.5 多重 T-SNNS 266
14.2 複合網絡 268
14.2.1 複合圖論 269
14.2.2 複
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。