由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 多维粒子群优化在机器学习与模式识别中的应用
¥ ×1
第1章 绪论
1.1 *优化历史发展
1.2 核心问题
1.3 本书内容简介
参考文献
第2章 *优化技术概述
2.1 *优化技术的历史
2.2 确定性分析方法
2.2.1 梯度下降法
2.2.2 牛顿拉普森迭代法
2.2.3 Nelder-Mead搜索方法
2.3 随机方法
2.3.1 模拟退火算法
2.3.2 随机逼近方法
2.4 进化算法
2.4.1 遗传算法
2.4.2 差分进化算法
参考文献
第3章 粒子群优化算法
3.1 引言
3.2 基本粒子群优化算法
3.3 粒子群优化算法的一些变体形式
3.3.1 部落
3.3.2 多群
3.4 应用领域
3.4.1 非线性函数*小化
3.4.2 数据聚类
3.4.3 人工神经网络
3.5 程序注解与软件开发包
参考文献
第4章 多维粒子群优化算法
4.1 多维度研究的需要
4.2 基本思想
4.3 多维粒子群优化算法
4.4 程序注解与软件包
4.4.1 PSO_MDlib应用程序中的多维粒子群优化操作
4.4.2 PSOTestApp应用程序中的多维粒子群优化操作
参考文献
第5章 改进全局收敛性
5.1 分形全局*优构建
5.1.1 研究动机
5.1.2 基于FGBF的粒子群优化
5.1.3 基于FGBF的多维粒子群优化
5.1.4 非线性函数*小化
5.2 动态环境的*优化方法
5.2.1 动态环境:试验台
5.2.2 多群粒子群优化
5.2.3 基于FGBF的移动峰问题的移动峰基准
5.2.4 多维移动峰函数的优化
5.2.5 常规移动峰函数性能评估
本书探讨了多维粒子群优化,由作者开发了一种技术解决这些需求。在介绍关键优化技术后,作者介绍了统一的框架,并展示了其在具有挑战性的应用领域的优势,包括多维扩展粒子群优化的全局收敛性、动态数据聚类、进化神经网络、生物医学应用程序和个性化的心电图分类、基于内容
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格