返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]人工智能与信息感知王雪 编著9787302499756
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 王雪 编著著 | 王雪 编著编 | 王雪 编著译 | 王雪 编著绘
    • 出版社: 清华大学出版社
    • 出版时间:2018-06-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 王雪 编著著| 王雪 编著编| 王雪 编著译| 王雪 编著绘
    • 出版社:清华大学出版社
    • 出版时间:2018-06-01
    • 版次:1
    • 印次:1
    • 字数:556千字
    • 页数:355
    • 开本:16开
    • ISBN:9787302499756
    • 版权提供:清华大学出版社
  • 作者: 王雪 编著
  • 著: 王雪 编著
  • 装帧: 平装
  • 印次: 1
  • 定价: 89
  • ISBN: 9787302499756
  • 出版社: 清华大学出版社
  • 开本: 16开
  • 印刷时间: 暂无
  • 语种: 暂无
  • 出版时间: 2018-06-01
  • 页数: 355
  • 外部编号: 庄村56855
  • 版次: 1
  • 成品尺寸: 暂无
  • 1章概述

    1.1智能信息感知的产生及其发展

    1.1.1智能感知系统的组成与特点

    1.1.2智能计算的产生与发展

    1.2人工智能信息感知技术关键

    1.2.1神经计算技术

    1.2.2深度学习

    1.2.3模糊计算技术

    1.2.4进化计算技术


    参考文献


    第2章信息感知与数据融合


    2.1概述

    2.2协作感知与数据融合

    2.2.1网络化智能协作感知

    2.2.2多传感器数据融合

    2.3多传感数据融合基本原理

    2.3.1多传感器数据融合目标

    2.3.2多传感器数据融合的层次与结构

    2.3.3数据融合中的检测、分类与识别算法

    2.3.4典型的数据融合方法

    2.3.5多传感器数据融合方法的特点

    2.4自适应动态数据融合方法

    2.4.1测量模型与方法简述

    2.4.2测量数据范围的推导

    2.4.3优范围的确定


    参考文献


    第3章神经计算基础

    3.1人工神经网络基础

    3.1.1人工神经网络的提出

    3.1.2人工神经网络的特点

    3.1.3历史回顾

    3.1.4生物神经网络

    3.1.5人工神经元

    3.1.6人工神经网络的拓扑特性

    3.1.7存储与映射

    3.1.8人工神经网络的训练


    3.2感知器

    3.2.1感知器与人工神经网络的早期发展

    3.2.2感知器的学习算法

    3.2.3线性不可分问题


    参考文献


    第4章神经计算基本方法

    4.1BP网络

    4.1.1BP网络简介

    4.1.2基本BP算法

    4.1.3BP算法的实现

    4.1.4BP算法的理论基础

    4.1.5几个问题的讨论

    4.2径向基函数神经网络

    4.2.1函数逼近与内插

    4.2.2正规化理论

    4.2.3RBF网络的学习

    4.2.4RBF网络的一些变形

    4.3Hopfield反馈神经网络

    4.3.1联想存储器

    4.3.2反馈网络

    4.3.3用反馈网络作联想存储器

    4.3.4相关学习算法

    4.3.5反馈网络用于优化计算

    4.4随机型神经网络

    4.4.1模拟退火算法

    4.4.2Boltzmann机

    4.4.3Gaussian机

    4.5自组织竞争网络

    4.5.1SOFM网络结构

    4.5.2SOFM网络的应用

    4.5.3ART神经网络

    4.6神经网络计算的组织

    4.6.1输入层和输出层设计

    4.6.2网络数据的准备

    4.6.3网络初始权值的选择

    4.6.4隐层数及隐层节点设计

    4.6.5网络的训练、检测及性能评价


    参考文献


    第5章深度学习


    5.1深度学习概述

    5.1.1深度学习定义

    5.1.2深度学习特点

    5.1.3深度学习平台

    5.2自编码器

    5.2.1稀疏自编码器

    5.2.2多层自编码器表示

    5.2.3各类自编码器介绍

    5.3深度神经网络

    5.3.1多层神经网络近似定理

    5.3.2深度置信网络

    5.3.3深层玻尔兹曼机

    5.3.4深度神经网络结构分析

    5.4卷积神经网络

    5.4.1卷积与池化

    5.4.2卷积核

    5.4.3卷积神经网络结构

    5.5递归神经网络

    5.5.1展开计算图

    5.5.2回声状态网络

    5.5.3门控增强单元

    5.5.4长短时记忆单元

    5.6深度增强学习

    5.6.1增强学习

    5.6.2马尔可夫决策

    5.6.3决策迭代

    5.6.4QLearning算法

    5.6.5深度增强网络

    5.7深度学习应用

    5.7.1视觉感知

    5.7.2语音识别

    5.7.3自然语言处理

    5.7.4生物信息处理


    参考文献


    第6章支持向量机

    6.1统计学习理论的基本内容

    6.1.1机器学习的基本问题

    6.1.2学习机的复杂性与推广能力


    6.1.3统计学习的基本理论


    6.2支持向量机


    6.2.1大间隔分类支持向量机


    6.2.2软间隔分类支持向量机


    6.2.3基于核的支持向量机


    6.3多分类支持向量机


    6.3.1直接法


    6.3.2分解法


    6.4基于SVM的机械设备故障诊断


    6.4.1实验平台及故障信号获取


    6.4.2基于小波包变换的故障特征提取


    6.4.3基于多类分类SVM的故障诊断识别


    参考文献


    第7章模糊逻辑与模糊推理基本方法


    7.1模糊逻辑的历史


    7.2模糊集


    7.3隶属函数


    7.3.1隶属函数的几种确定方法


    7.3.2几种常用的隶属函数


    7.3.3模糊逻辑工具箱内置的隶属函数


    7.4模糊运算与模糊推理


    7.4.1模糊运算


    7.4.2模糊规则与模糊推理


    7.4.3Mamdani型推理与Sugeno型推理


    7.5模糊系统


    7.5.1模糊系统的结构


    7.5.2模糊控制器的设计


    7.5.3神经模糊系统


    7.5.4自适应模糊模型


    7.5.5自适应模糊控制系统



    第8章模糊计算实现


    8.1模糊推理过程


    8.1.1模糊推理过程的步骤


    8.1.2自定义模糊推理


    8.2模糊逻辑工具箱的图形界面工具


    8.2.1FIS编辑器


    8.2.2隶属函数编辑器


    8.2.3模糊规则编辑器


    8.2.4模糊规则观察器


    8.2.5输出曲面观察器


    8.2.6自定义模糊推理系统


    8.3模糊逻辑工具箱的命令行工作方式


    8.3.1系统结构函数


    8.3.2系统显示函数


    8.3.3在命令行中建立系统


    8.3.4FIS求解


    8.3.5FIS结构


    8.4神经模糊推理编辑器ANFIS


    8.4.1神经模糊推理


    8.4.2ANFIS编辑器


    8.4.3应用ANFIS编辑器的步骤


    参考文献


    第9章遗传算法


    9.1遗传优化算法基础


    9.1.1遗传算法的产生与发展


    9.1.2遗传算法概要


    9.1.3遗传算法的应用情况


    9.1.4基本遗传算法


    9.1.5模式定理


    9.1.6遗传算法的改进


    9.1.7遗传算法与函数优化


    9.1.8遗传算法与系统辨识


    9.1.9遗传算法与神经控制


    9.2遗传优化算法的工程应用


    9.2.1遗传算法在无约束优化中的应用


    9.2.2遗传算法在非线性规划中的应用


    参考文献


    10章粒群智能


    10.1引言


    10.1.1微粒群算法综述


    10.1.2微粒群算法的研究方向


    10.2微粒群算法的基本原理


    10.2.1引言


    10.2.2基本微粒群算法


    10.2.3基本微粒群算法的社会行为分析


    10.2.4带惯性权重的微粒群算法


    10.3改进微粒群算法


    10.3.1基本微粒群算法进化方程的改进


    10.3.2收敛性改进


    10.4微粒群算法的实验设计与参数选择


    10.4.1设计微粒群算法的基本原则与步骤


    10.4.2几种典型的微粒群模型及参数选择


    10.5基于微粒群算法的人工神经网络优化


    10.5.1神经网络的微粒群算法优化策略


    10.5.2协同微粒群算法优化神经网络


    10.6蚁群智能


    10.6.1双桥实验与随机模型


    10.6.2人工蚂蚁模型


    10.6.3蚁群优化元启发式算法


    参考文献


    在人工智能火热的大背景下,本书着眼于人工智能与信息感知的交叉领域,涵盖了信息感知、数据融合、神经计算、深度学习、支持向量机、模糊计算、遗传算法和粒群智能等内容,为人工智能未来的发展提供了新的方向。本书逻辑清晰、内容严谨、算例丰富,具有极高的学术价值,堪称本领域的佳作。


    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购