新書推薦：
《
AI智能写作： 巧用AI大模型 让新媒体变现插上翅膀
》
售價：NT$
330.0
《
家庭养育七步法5：理解是青春期的通关密码
》
售價：NT$
279.0
《
三体（全三册）
》
售價：NT$
512.0
《
天象之维：汉画像中的天文与人文
》
售價：NT$
490.0
《
妓女与文人
》
售價：NT$
179.0
《
舵手证券图书 短线交易大师：工具和策略 24年新修订版 实战验证的交易技术 经典外版书
》
售價：NT$
437.0
《
中国古兵器集成
》
售價：NT$
3808.0
《
空腹力+轻断食：正在横扫全球的瘦身革命（全2册）
》
售價：NT$
577.0
|
| 編輯推薦： |
|
本书算法先进，实例丰富，并提供实例源代码的免费下载。
|
| 內容簡介： |
|
本书以MATLAB R2017a为平台，以智能算法为背景，全面详细地介绍了人工智能的各种新型算法。本书内容以理论为基础，以实际应用为主导，循序渐进地向读者讲解怎样利用MATLAB智能算法解决实际问题。全书共13章，主要内容包括MATLAB R2017a软件的基础知识、智能算法的理论、人工神经网络算法、模糊逻辑控制算法、粒子群算法、蚁群算法、模拟退火算法、遗传算法、免疫算法、禁忌搜索算法、支持向量机算法及小波分析算法等。
|
| 關於作者： |
|
张德丰，男， 1963年9月生，辽宁大连人。1993年毕业于哈尔滨工业大学航天学院，获得工学硕士学位。现佛山科学技术学院，电子信息工程学院计算机系，计算机应用技术教授。学院数字图像处理与识别学术带头人。
|
| 目錄：
|
目录
第1章初识MATLAB R2017a1
1.1MATLAB的应用领域和优势1
1.2MATLAB R2017a的新功能3
1.3MATLAB的编程风格4
1.4MATLAB的接口技术5
1.5MATLAB与CC混合编程5
1.6MATLAB的工作环境6
1.6.1菜单工具栏7
1.6.2命令行窗口7
1.6.3工作区8
1.7MATLAB的常用命令9
1.8MATLAB的帮助系统10
1.8.1纯文本帮助10
1.8.2演示帮助12
1.9MATLAB的数据类型13
1.9.1数值类型13
1.9.2字符与字符串16
1.9.3逻辑类型18
1.9.4函数句柄19
1.9.5结构数组21
1.9.6元胞数组24
1.10MATLAB的运算符28
1.10.1算术运算符28
1.10.2关系运算符29
1.10.3逻辑运算符30
1.10.4运算优先级31
第2章MATLAB的编程基础32
2.1数组及其运算32
2.1.1数组的创建32
2.1.2数组的运算33
2.2矩阵及其运算35
2.2.1矩阵的创建35
2.2.2特殊矩阵的生成37
2.2.3矩阵的操作39
2.2.4矩阵的基本运算41
2.2.5矩阵的相关运算42
2.3MATLAB控制语句44
2.3.1循环结构44
2.3.2分支控制语句46
2.4m文件49
2.4.1m文件的分类49
2.4.2m文件的结构51
2.5图形可视化51
2.5.1MATLAB的绘图步骤52
2.5.2在工作空间直接绘图52
2.5.3二维图形绘制53
2.5.4图形的修饰55
2.5.5三维绘图58
第3章人工智能概述62
3.1什么是智能62
3.1.1智能的定义62
3.1.2人工智能的定义63
3.2人工智能的发展64
3.3人工智能的研究方法64
3.4人工智能的危机66
3.5人工智能的应用67
3.6人工智能的发展趋势67
3.7人工智能对人类的深远影响68
3.7.1人工智能对经济的影响68
3.7.2人工智能对社会的影响68
3.7.3人工智能对文化的影响70
3.8各种常用智能算法71
3.8.1群智能算法71
3.8.2模拟退火算法72
3.8.3禁忌搜索算法72
3.8.4神经网络算法72
第4章人工神经网络算法74
4.1人工神经网络概述74
4.1.1神经网络研究的方向74
4.1.2人脑工作原理75
4.1.3人工神经网络的工作原理75
4.1.4人工神经网络的基本特征76
4.1.5人工神经网络的特点77
4.2神经网络算法的理论78
4.2.1人工神经元模型78
4.2.2常用激活函数79
4.2.3神经网络模型80
4.2.4神经网络工作方式81
4.2.5几种常见的神经网络81
4.3BP神经网络84
4.3.1BP神经网络的拓扑结构84
4.3.2BP神经网络的训练85
4.3.3BP神经网络的学习方法86
4.3.4BP神经网络的实现90
4.4径向基神经网络93
4.4.1RBF的基本思想94
4.4.2RBF的网络模型94
4.4.3RBF的网络输出94
4.4.4RBF网络的学习过程95
4.4.5RBF网络有关的几个问题97
4.4.6RBF神经网络的应用98
4.5自组织神经网络106
4.5.1自组织竞争神经网络的基本概念107
4.5.2自组织特征映射神经网络108
4.5.3自组织竞争神经网络的应用110
4.6对向传播神经网络114
4.6.1CPN的基本概念114
4.6.2CPN网络的学习算法115
4.7广义回归神经网络115
4.7.1广义回归神经网络的结构116
4.7.2广义回归神经网络的优点116
4.7.3广义回归神经网络的应用117
4.8概率神经网络118
4.8.1概率神经网络的结构118
4.8.2概率神经网络的优缺点119
4.8.3概率神经网络的应用120
4.9Hopfield神经网络125
4.9.1Hopfield神经网络的结构125
4.9.2Hopfield神经网络的学习算法126
4.9.3Hopfield神经网络的应用126
第5章模糊逻辑控制算法132
5.1模糊逻辑控制概述132
5.1.1模糊、神经网络、人工智能间的关系132
5.1.2神经网络和模糊系统的比较133
5.1.3模糊和神经网络的结合135
5.2模糊逻辑控制理论136
5.2.1模糊逻辑控制的基本概念136
5.2.2模糊逻辑的组成137
5.2.3模糊逻辑控制原理137
5.2.4模糊逻辑控制器的设计内容139
5.2.5模糊逻辑控制的规则139
5.2.6模糊逻辑控制的应用领域140
5.3模糊逻辑控制工具箱141
5.3.1模糊逻辑控制工具箱的功能特点141
5.3.2模糊系统的基本类型142
5.3.3模糊推理系统的基本函数143
5.4模糊逻辑工具箱的图形用户界面158
5.4.1FIS编辑器158
5.4.2隶属度函数编辑器159
5.4.3模糊规则编辑器160
5.4.4模糊规则浏览器161
5.4.5输入输出曲面视图161
5.4.6模糊推理界面的应用162
5.5基于Simulink的模糊逻辑控制164
5.6模糊推理系统在控制系统中的应用170
第6章 粒子群算法174
6.1粒子群概述174
6.1.1人工生命174
6.1.2粒子群算法的基本原理175
6.1.3全局与局部模式176
6.1.4粒子群的算法建模176
6.1.5粒子群的特点176
6.1.6粒子群算法与其他进化算法的异同177
6.2粒子群的种类177
6.2.1基本粒子群177
6.2.2标准粒子群178
6.2.3压缩因子粒子群179
6.2.4离散粒子群179
6.3基于粒子群的聚类分析180
6.4粒子群算法的MATLAB实现181
6.5改进权重粒子群算法187
6.5.1自适应权重法187
6.5.2随机权重法190
6.5.3线性递减权重法192
6.6混合粒子群算法194
6.6.1混合粒子群协同优化的设计思想194
6.6.2基于杂交的算法194
6.6.3基于自然选择的算法197
6.6.4基于模拟退火的算法199
6.7粒子群的应用202
第7章蚁群算法208
7.1蚁群的基本概念208
7.1.1蚁群的觅食过程208
7.1.2人工蚂蚁与真实蚂蚁的异同208
7.1.3人工蚁群的优化过程209
7.1.4蚁群算法的基本原理210
7.2改进的蚁群算法211
7.2.1蚁群系统211
7.2.2精英蚁群系统212
7.2.3最大最小蚁群系统212
7.2.4排序的蚁群系统213
7.2.5几种改进蚁群算法的比较213
7.3自适应蚁群算法213
7.4蚁群算法的重要规则215
7.5蚁群算法的应用进展及发展趋势216
7.5.1应用进展216
7.5.2存在的问题216
7.5.3发展趋势216
7.5.4蚁群算法的MATLAB实现217
7.6蚁群算法的应用219
第8章模拟退火算法234
8.1模拟退火算法的理论234
8.1.1模拟退火算法的思想234
8.1.2物理退火的过程235
8.1.3模拟退火的原理236
8.1.4模拟退火算法的终止准则236
8.1.5模拟退火算法的特点236
8.2模拟退火算法的改进237
8.2.1模拟退火算法的改进方式237
8.2.2模拟退火算法的改进新解238
8.3模拟退火算法的MATLAB工具箱238
8.4模拟退火算法的应用242
第9章遗传算法249
9.1遗传算法概述249
9.1.1遗传算法的生物学基础249
9.1.2遗传算法的名称解释250
9.1.3遗传算法的运算过程251
9.1.4遗传算法的特点252
9.1.5遗传算法的改进方向253
9.2遗传算法的构成要素254
9.2.1染色体的编码254
9.2.2适应度函数255
9.2.3遗传算子256
9.3控制参数的选择258
9.4遗传算法的研究现状258
9.5遗传算法的应用领域260
9.6遗传算法工具箱260
9.6.1遗传算法的程序设计261
9.6.2MATLAB自带的遗传算法函数265
9.6.3遗传算法的GUI268
9.7遗传算法的应用270
9.7.1遗传算法求解极值问题270
9.7.2遗传算法求解TSP问题280
9.7.3遗传算法的BP神经网络实现286
第10章免疫算法294
10.1免疫算法概述294
10.1.1免疫算法的发展史295
10.1.2生物免疫系统295
10.1.3免疫算法的基本原理297
10.1.4免疫算法流程298
10.1.5免疫算法算子299
10.1.6免疫算法的特点301
10.1.7免疫算法的发展趋势301
10.2免疫遗传算法302
10.2.1免疫遗传算法的几个基本概念303
10.2.2免疫遗传算法的原理304
10.2.3免疫遗传算法的MATLAB实现305
10.3免疫算法的应用313
10.3.1免疫算法在优化中的应用313
10.3.2免疫算法在TSP中的应用316
10.3.3免疫算法在物流选址中的应用320
10.3.4免疫算法在故障检测中的应用327
第11章禁忌搜索算法335
11.1禁忌搜索的相关理论335
11.1.1启发式搜索算法与传统的方法335
11.1.2禁忌搜索与局部邻域搜索336
11.1.3局部邻域搜索336
11.1.4禁忌搜索的基本思想337
11.1.5禁忌搜索算法的特点338
11.1.6禁忌搜索算法的改进方向339
11.2禁忌算法的关键参数339
11.3禁忌搜索算法的应用343
第12章支持向量机算法349
12.1支持向量机的相关理论349
12.1.1统计学理论349
12.1.2数据挖掘分类350
12.1.3线性分类器351
12.2支持向量机的理论353
12.2.1支持向量机的支持技术353
12.2.2最优分类面354
12.2.3支持向量机的模型354
12.2.4支持向量机的算法355
12.2.5核函数356
12.3支持向量机的应用357
第13章小波分析算法361
13.1傅里叶变换361
13.1.1一维傅里叶变换361
13.1.2二维傅里叶变换366
13.2小波变换的基本定义367
13.2.1一维离散小波变换368
13.2.2二维离散小波变换368
13.3Mallat算法370
13.3.1Mallat算法的原理371
13.3.2常用小波函数373
13.3.3Mallat算法的应用375
13.4小1
|
| 內容試閱：
|
前 言
MATLAB平台为解决工程和科学问题进行了优化，已成为国际公认的最优秀的科技应用软件之一。基于矩阵的MATLAB语言是世界上最自然的计算数学表示方法，具有编程简单、数据可视化功能强、可操作性强等特点，而且配有功能强大、专业函数丰富的各领域应用工具箱，是进行各领域问题处理的必备软件工具。
近年来，随着计算机技术的快速发展，为了在一定程度上解决大空间、非线性、全局寻优、组合优化等复杂问题，不少智能优化方法不断涌现。在人工智能的研究领域中，智能算法是其重要的一个分支。目前，智能计算正在蓬勃发展，人工智能领域的研究十分活跃。虽然智能算法研究水平暂时还很难使智能机器真正具备人类的智能，但人工脑是人脑和生物脑的结合，这种结合将使人工智能的研究更广泛、更深入。
智能计算不断探索智能的新概念、新理论、新方法和新技术，这些研究成果将给人类世界带来巨大的改变。智能优化算法可应用于电子、通信、计算机、自动化、机器人、经济学和管理学等众多学科；对于要用这些算法工具来解决具体问题的理论研究和工程技术人员来说，通过本书可以节省大量查询资料和编写程序的时间，通过MATLAB仿真实例可以更深入地理解、快速地掌握这些算法。由于每种算法的优化目标很多，对应的修正算法也很多，感兴趣的读者可以在此基础上进行深入的研究。
本书具有如下特点：
1. 由浅入深，循序渐进。
本书以新版MATLAB R2017a为平台，逐渐深入MATLAB软件，并在MATLAB平台上利用各种智能算法解决实际问题，让问题的解决得到了极大的简化。
2. 内容新颖，应用全面。
本书结合智能算法的使用经验和实际领域应用问题，将智能算法的原理及其MATLAB实现方法与技术详细地介绍给读者，让读者做到理论与实践相结合，学以致用。
3. 轻松易学，方便快捷。
书中通过大量典型的应用例子实操，在讲解过程中辅以相应的图片，使读者在阅读时一目了然，从而轻松快速地掌握书中的内容，并且书中的实例都是比较新颖的例子，通过利用算法分析实际问题，使读者能够在最短的时间内以最高的效率解决实际中遇到的问题，提升工作效率。
本书分13章讲解智能算法在MATLAB R2017a中的实现。
第1章 初识MATLAB R2017a，主要包括MATLAB应用领域、MATLAB R2017a的新功能特性、MATLAB的数据类型等内容。
第2章 MATLAB的编程基础，主要包括数组、矩阵的创建及运算、MATLAB控制语句、M文件、图形可视化等内容。
第3章 人工智能概述，主要包括人工智能的定义、人工智能的发展及发展趋势、人工智能对人类的深远影响等内容。
第4章 人工神经网络算法，主要包括人工神经网络的概述、神经网络算法的理论、BP神经网络、径向神经网络等内容。
第5章 模糊逻辑控制算法，主要包括模糊逻辑控制的概述、模糊逻辑控制的理论、模糊逻辑控制工具箱、FIS编辑器等内容。
第6章 粒子群算法，主要包括粒子群的概述、粒子群的种类、基于粒子群的聚类分析、改进权重粒子群算法等内容。
第7章 蚁群算法，主要包括蚁群的基本概念、改进的蚁群算法、自适应蚁群算法、蚁群算法的应用进展及发展趋势等内容。
第8章 模拟退火算法，主要包括模拟退火的理论、模拟退火算法的改进、模拟退火的应用等内容。
第9章 遗传算法，主要包括遗传算法的概述、遗传算法的构成要素、遗传算法的研究现状、遗传算法的应用等内容。
第10章 免疫算法，主要包括免疫算法的概述、免疫遗传算法、免疫算法的应用等内容。
第11章 禁忌搜索算法，主要包括禁忌搜索的相关理论、禁忌算法的关键参数、禁忌搜索算法的应用等内容。
第12章 支持向量机算法，主要包括支持向量机的相关理论、支持向量机的理论、支持向量机的应用等内容。
第13章 小波分析算法，主要包括傅里叶变换、Mallat算法、小波包分析、小波分析的应用等内容。
本书由张德丰编著，参加编写的还有赵书兰、王宇华、刘志为、栾颖、吴茂、李晓东、何正风、丁伟雄、李娅、辛焕平、杨文茵、顾艳春、邓奋发和方清城。
本书实用性强、应用范围广，可作为广大高校本科生和研究生的学习用书，也可作为广大科研人员、学者、工程技术人员的相关参考用书。
为便于读者学习，本书提供实例源代码下载，读者可登录华信教育资源网（www.hxedu.com.cn）查找本书免费下载。
由于时间仓促，加之作者水平有限，错误和疏漏之处在所难免。在此，诚恳地期望得到各领域专家和广大读者的批评指正。
编 著 者
|
|
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
