计算智能

章节摘录

插图：2.7.1 人工神经网络模型的研究人脑的生理结构，即神经网络原型的研究。人脑思维的机制，特别要从信息科学和认知科学的角度来阐明这种机制。神经元生物特性如时空特性、不应期、电化学性质等完善的人工模拟，如高阶非线性模型、多维局域连接模型。神经网络计算模型，特别是统一化的便于实现的模型。神经网络学习算法与学习系统。2.7.2 人工神经网络基本理论的研究非线性内在机制——自适应、自组织、协同作用、突变、奇怪吸引子与浑沌、分维、耗散结构、随机非线性动力学等.神经网络的基本特性——稳定性、收敛性、容错性、鲁棒性、动力学复杂性.神经网络的能力与判别准则——计算能力、准确性、存贮容量、准则的表达与综合性能判别。面向应用的网络设计与综合——专用和通用神经网络计算机的设计、单元连接、运算模式、I／O、存贮／计算，与现有按术的兼容与匹配等.2.7.3 人工神经网络智能信息处理系统的应用研究自适应信号处理——自适应滤波、时间序列预测、均衡、谱估计、阵列处理、检测噪声相消等；非线性信号处理——非线性滤波、非线性预测、非线性谱估计、非线性编码、映射、调制、解调、中值预处理等；优化与控制——优化求解、辨识、鲁棒性控制、自适应、变结构控制、决策与管理、并行控制、分布控制、智能控制等；认知与AI——模式识别、计算机视觉、听觉、特征提取、语言翻译、AM、逻辑推理、知识工程、专家系统、智能计算机与智能机器人、故障诊断、自然语言处理等。2.7.4 人工神经网络计算机一、目前神经网络计算机的实现通用计算机的软件仿真模拟；在通用计算机上插入专用的有电子神经元电路的接口板，再配以软件支持；专用的神经网络并行计算机.2 0世纪90年美国的人工智能实验室的希尔斯等人研制成功CONNECTION－2型人工神经网络计算机已投入使用。尽管人们对于神经网络计算机的研究已取得相当成果，但由于人类对于人脑的认识还相当粗浅，对于建立一套完整的理论体系还是远远不够的，建立完全由神经网络构成的具有较高智能的计算机，目前来说还为时过早。

前言

近年来，一些新的研究领域如神经网络、模糊系统和进化计算等，由于它们都是模拟人类的智能行为或进化过程而发展起来的，并且具有高度并行化与智能化等特征，因而引起了人们的极大兴趣。这些新方法通过“拟物”与“仿生”，为解决某些复杂问题提供了新的方法和途径，因而能够得以迅速发展并成为人们的研究热点之一。1992年，美国学者JamesC.Bezdek在论文《计算智能》中讨论了神经网络、模式识别与智能之间的关系，并将智能分为生物智能、人工智能和计算智能三个层次。BobMarks于1993年提出的理论将神经网络、遗传算法、模糊系统、进化规划和人工生命统称为计算智能。LotfiZadeh则认为传统的硬件计算是强调人工智能的计算模式，而计算智能的基础是软件计算，即模糊逻辑、神经网络和进化计算。他认为CI和AI的本质区别在于使用的推理类型不同，AI使用的是易脆逻辑，而CI使用的是模糊逻辑和规则。DavidFogel在1995年发表的评论中指出智能就是对环境的适应能力。但他认为计算智能高于人工智能，计算智能包含人工智能。本书认为计算智能所涉及的研究领域主要包括以下三方面：（1）人工神经网络（ArtificialNeuralNetwork，简称ANN），是根据人脑的生理结构和信息处理过程，来创造人工神经网络，从而模仿人的智能。（2）模糊系统（FuzzySystern，简称FS），试图描述和处理人的语言和思维中存在的模糊性概念，其目的也是模仿人的智能。（3）进化计算（EvolutionComputing，简称EC），是一种模仿生物进化过程的优化方法，也属于模仿人的智能的范畴。可见，模仿人的智能是它们共同的奋斗目标和合作的基础。将三者统称为计算智能，因为三者实际上都是计算方法。

书籍目录

序篇 计算智能第一章 绪论§1.1 关于计算智能1.1.1 什么是计算智能1.1.2 计算智能所包含的领域§1.2 人工神经网络1.2.1 什么是神经网络1.2.2 人工神经网络研究的历史§1.3 模糊系统1.3.1 模糊系统理论的起源和发展1.3.2 模糊系统的研究范畴§1.4 进化计算1.4.1 进化计算的发展过程1.4.2 进化计算的主要分支1.4.3 进化计算的主要特点§1.5 人工神经网络、模糊系统和进化计算的相互融合第一篇 人工神经网络第二章 人工神经网络的基本模型§2.1 生物神经元2.1.1 神经元的结构2.1.2 膜电位与神经元的兴奋§2.2 人工神经元的形式化模型2.2.1 M—P模型2.2.2 线性加权模型2.2.3 阈值逻辑模型§2.3 电子神经元§2.4 人工神经网络模型2.4.1 神经网络节点的形式化描述2.4.2 神经元状态转移函数的类型2.4.3 神经网络分类及其拓扑结构2.4.4 神经网络的知识表示与处理能力§2.5 人工神经网络的学习规则2.5.1 人工神经网络的学习方式2.5.2 人工神经网络的学习规则§2.6 人工神经网络与传统计算机的比较2.6.1 人工神经网络计算机和冯?诺依曼计算机的比较2.6.2 人工神经网络和人工智能的比较2.6.3 人工神经网络与生物系统的区别§2.7 人工神经网络的发展方向与研究问题2.7.1 人工神经网络模型的研究2.7.2 人工神经网络基本理论的研究2.7.3 人工神经网络智能信息处理系统的应用研究2.7.4 人工神经网络计算机第三章 前馈型神经网络§3.1 感知器3.1.1 单层感知器3.1.2 感知器的收敛定理3.1.2 多层感知器网络3.1.4 感知器用于分类问题的算例§3.2 多层前馈型神经网络3.2.1 网络结构及工作过程3.2.2 误差函数与误差曲面3.2.3 网络的学习规则——梯度下降算法：§3.3 误差逆传播算法(BP算法)3.3.1 BP算法的数学描述3.3.2 BP算法收敛性定理§3.4 误差逆传播算法(BP算法)的若干改进3.4.1 基于全局学习速率自适应调整的BP算法3.4.2 基于局部学习速率自适应调整的BP算法3.4.3 BI(BackImpedance)算法3.4.4 BP算法样本特性及参数α，β两阶段动态调整§3.5 使用遗传算法(GA)训练前馈型神经网络方法§3.6 前馈型神经网络结构设计方法3.6.1 输入层和输出层的设计方法3.6.2 隐层数和层内节点数的选择3.6.3 逐次修剪法设计前馈型神经网络§3.7 基于BP算法的前馈型神经网络在识别问题中的应用3.7.1 味觉信号的学习和识别3.7.2 手写体数字识别3.7.3 在包装件缓冲垫层非线性识别中的应用§3.8 自适应线性元件§3.9 径向基函数神经网络3.9.1 网络结构3.9.2 网络算式及参数第四章 反馈型神经网络§4.1 概述4.1.1 前馈型与反馈型神经网络的比较4.1.2 反馈型神经网络模型§4.2 离散型Hopfield神经网络4.2.1 离散型Hopfield神经网络模型4.2.2 网络的稳定性定理4.2.3 网络权值的学习4.2.4 网络的稳定性实验4.2.5 联想记忆§4.3 连续型Hopfield神经网络4.3.1 网络结构和数学模型4.3.2 网络的稳定性分析§4.4 Hopfield网络的应用实例4.4.1 用于求解TSP问题4.4.2 用于求解货流问题4.4.3 在通信网络中的应用4.4.4 广域网中的路由选择问题§4.5 B0ltzmann机4.5.1 Boltzmann机的网络模型4.5.2 模拟退火算法4.5.3 Boltzmann机的学习算法§4.6 双向联想记忆网络§4.7 海明网络第五章 自组织竞争神经网络模型§5.1 概述§5.2 自组织特征映射网络5.2.1 网络拓扑结构及工作过程5.2.2 自组织映射学习算法5.2.3 自组织映射网络的工作原理5.2.4 网络的应用实例§5.3 自适应共振理论模型5.3.1 自适应共振理论(ART)5.3.2 ARTl神经网络5.3.3 ART1网络学习算法的改进5.3.4 ART2神经网络5.3.5 ART神经网络在人像识别中的应用§5.4 神经认知机参考文献第二篇 模糊系统第六章 模糊数学基础§6.1 概述6.1.1 传统数学与模糊数学?6.1.2 不相容原理§6.2 模糊集合与隶属度函数6.2.1 模糊集合及其运算6.2.2 隶属度函数§6.3 模糊逻辑与模糊推理6.3.1 模糊逻辑6.3.2 语言变量6.3.3 模糊推理第七章 模糊控制理论§7.1 模糊控制原理7.1.1 模糊控制7.1.2 模糊控制器的基本结构与工作原理§7.2 模糊控制器的种类和设计7.2.1 模糊控制器的分类7.2.2 模糊控制器的设计方法§7.3 模糊控制的应用7.3.1 蒸汽发动机的模糊控制系统7.3.2 还原炉温度的模糊控制系统§7.4 模糊控制规则的调整7.4.1 带有修正因子的模糊控制器7.4.2 自适应模糊控制器第八章 模糊神经网络与神经模糊系统§8.1 神经网络与模糊系统8.1.1 神经网络与模糊系统的结合是发展的必然8.1.2 神经网络与模糊系统的结合方式§8.2 模糊神经网络8.2.1 模糊神经网络分类器8.2.2 基于模糊推理的神经网络8.2.3 基于广义模糊加权型推理法的神经网络第三篇 进化计算

编辑推荐

《计算智能:人工神经网络·模糊系统·进化计算》是由吉林大学出版社出版的。

作者简介

《计算智能:人工神经网络·模糊系统·进化计算》讲述了：计算智能是当今国际上迅速发展的前沿交叉学科，它模拟人的智能行为来解决不确定、非线性、复杂的各类问题，具有非常广阔的应用前景。《计算智能:人工神经网络·模糊系统·进化计算》对计算智能所涉足的人工神经网络、模糊系统和进化计算的基本理论、结构、模型和算法进行了综合论述，并分析了他们的特性、共性、使用范围和三者相互融合的方法。《计算智能:人工神经网络·模糊系统·进化计算》选材精练，论述简明，介绍了许多应用实例，便于读者了解和掌握各种模型算法的应用对象、应用方法和应用效果。

《计算智能:人工神经网络·模糊系统·进化计算》可作为计算机、电子、自动化等专业的高年级本科生或研究生的教材或教学参考书，也可以供有关科技工作者和工程技术人员作为科技参考书使用。

---

 计算智能下载

---