|
| 編輯推薦： |
|
管理科学和信息技术专业的本科生、研究生，有关科研人员和工程技术人员
|
| 內容簡介： |
|
《径向基函数神经网络及协同进化学习》系统地介绍利用协同进化理论优化径向基函数神经网络学习的基本理论与方法，共分为7个章节。**，提出基于合作型协同进化的径向基函数神经网络算法，引入聚类层并以聚类后的隐节点群作为子种群进行协同进化操作。第二，提出基于协同覆盖的径向基函数神经网络算法，并采用启发式搜索改进网络结构。第三，提出带有特征选择的双种群分类算法，能够同时获得较优的网络结构和约减的输入向量维数。第四，提出多种群协同进化神经网络集成算法，有效提高集成模型性能。第五，提出基于协同进化的子空间分类算法，适用于处理样本空间分布复杂的数据挖掘问题。
|
| 目錄：
|
目录
第1章 概述 1
1.1 引言 1
1.2 RBFNN学习存在的问题 4
1.3 本书主要内容 5
第2章 RBFNN和协同进化算法基础 7
2.1 RBFNN模型 7
2.2 协同进化算法 9
2.3 本章小结 11
第3章 基于协同进化的RBFNN分类算法 12
3.1 相关研究 12
3.2 合作型协同进化算法 13
3.3 基于合作型协同进化的RBFNN分类算法设计 14
3.4 实验测试 21
3.5 本章小结 29
第4章 基于协同覆盖的EBFNN分类算法 30
4.1 相关研究 30
4.2 EBFNN和神经元领域覆盖 31
4.3 基于协同覆盖的EBFNN分类算法设计 33
4.4 实验测试 43
4.5 本章小结 50
第5章 带有特征选择的双种群RBFNN分类算法 51
5.1 相关研究 51
5.2 带有特征选择的双种群协同进化算法设计 52
5.3 实验测试 60
5.4 本章小结 72
第6章 基于协同进化的RBFNN集成算法 73
6.1 相关研究 73
6.2 集成学习算法分类及应用 74
6.3 多种群协同进化RBFNN集成算法设计 75
6.4 带有特征选择的多种群优化集成模型 96
6.5 本章小结 101
第7章 基于子空间的RBFNN分类算法 102
7.1 相关研究 102
7.2 SBRBFNN模型 103
7.3 基于协同进化的SBRBFNN算法 106
7.4 实验测试 112
7.5 本章小结 123
参考文献 124
后记 131
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
