| <p> </p> <p> <span><strong>用户下载注明：</strong></span></p> <p> <span><span><strong>电子版仅供预览，下载后24小时外务必增除，撑持正版，喜爱的请置办正版书籍：</strong></span></span></p> <p> <span><span></span></span></p> <p> <span><strong> </strong></span></p> <p> <span><strong>相关截图：</strong></span></p> <p> <span><strong></strong></span></p> <p> </p> <p> <span><strong>量料简介：</strong></span></p> <p> <span>忌讳搜寻算法是一种全局逐步寻劣算法，是对部分邻域搜寻算法的推广，是人工智能正在处置惩罚惩罚劣化问题中的乐成使用。刘光远、贺一、温万惠著的《忌讳搜寻算法及使用》正在对忌讳搜寻算法本理做片面阐述的根原上，联结连年来的钻研工做，对其正在知名的游览商问题、多维背包问题、通信中的多用户检测问题、前向神经网络训练问题、暗昧神经网络设想问题、生理信号激情识别问题及算法的并止化等方面停行了宽泛和深刻的会商。</span><br /> <span> 原书符折电子信息、计较机和主动化等专业的原科生和钻研生浏览，也可供处置惩罚激情计较及人工智能等相关规模的钻研人员和工程技术人员参考。</span></p> <p> </p> <p> <span><strong>量料目录：</strong></span><br /> <span>《智能科学技术著做丛书》序</span><br /> <span>前言</span><br /> <span>第1章 绪论1</span><br /> <span>1.1 对于最劣化的问题1</span><br /> <span>1.1.1 最劣化技术简述1</span><br /> <span>1.1.2 某些劣化问题难以求解的起因1</span><br /> <span>1.2 现代启示式办法2</span><br /> <span>1.2.1 模拟退火算法3</span><br /> <span>1.2.2 进化计较3</span><br /> <span>1.2.3 人工免疫系统4</span><br /> <span>1.2.4 蚁群算法4</span><br /> <span>1.2.5 粒子群劣化算法5</span><br /> <span>1.2.6 膜计较5</span><br /> <span>第2章 忌讳搜寻根柢本理7</span><br /> <span>2.1 忌讳搜寻钻研过程7</span><br /> <span>2.2 忌讳搜寻示例8</span><br /> <span>2.3 忌讳搜寻算法形容11</span><br /> <span>2.4 忌讳搜寻的要害要素13</span><br /> <span>2.5 忌讳搜寻的支敛性17</span><br /> <span>2.5.1 基于近期记忆的支敛忌讳搜寻算法18</span><br /> <span>2.5.2 基于频次记忆的支敛忌讳搜寻算法21</span><br /> <span>2.6 永劫记忆22</span><br /> <span>2.6.1 基于频次的记忆22</span><br /> <span>2.6.2 责任执止挪动22</span><br /> <span>2.7 战略性振荡22</span><br /> <span>2.8 忌讳搜寻取认知心理学23</span><br /> <span>2.9 小结25</span><br /> <span>第3章 忌讳搜寻正在游览商问题中的使用26</span><br /> <span>3.1 游览商问题简介26</span><br /> <span>3.2 游览商问题的忌讳搜寻求解27</span><br /> <span>3.2.1 一种鲜活的会合性取多样性的自适应搜寻战略27</span><br /> <span>3.2.2 算法根柢流程及仿实实验28</span><br /> <span>3.3 算法的比较33</span><br /> <span>3.4 小结34</span><br /> <span>第4章 忌讳搜寻正在多维背包问题中的使用35</span><br /> <span>4.1 多维背包问题简介35</span><br /> <span>4.2 基于短时-永劫记忆的忌讳搜寻36</span><br /> <span>4.2.1 算法根柢思想36</span><br /> <span>4.2.2 算法设想36</span><br /> <span>4.3 多维背包问题劣化实验38</span><br /> <span>4.4 小结44</span><br /> <span>第5章 忌讳搜寻正在多用户检测中的使用45</span><br /> <span>5.1 犆犇犕犃通信中多用户检测技术展开轮廓45</span><br /> <span>5.2 犆犇犕犃通信系统的等效数学模型47</span><br /> <span>5.3 多用户检测的机能臆测49</span><br /> <span>5.3.1 误码率49</span><br /> <span>5.3.2 抗远近效应才华49</span><br /> <span>5.4 最佳多用户检测办法50</span><br /> <span>5.5 次佳多用户检测器的分类52</span><br /> <span>5.6 基于忌讳搜寻的多用户检测技术52</span><br /> <span>5.6.1 忌讳长度可变的忌讳搜寻52</span><br /> <span>5.6.2 自适应忌讳搜寻54</span><br /> <span>5.7 仿实实验取阐明56</span><br /> <span>5.7.1 邻域结构对多用户检测问题的映响56</span><br /> <span>5.7.2 可变忌讳长度多用户检测办法的机能臆测57</span><br /> <span>5.7.3 自适应忌讳搜寻多用户检测办法的机能臆测59</span><br /> <span>5.8 小结64</span><br /> <span>第6章 忌讳搜寻正在前向神经网络中的使用65</span><br /> <span>6.1 人工神经网络简介65</span><br /> <span>6.2 忌讳搜寻正在多层前向神经网络中的使用65</span><br /> <span>6.2.1 算法设想65</span><br /> <span>6.2.2 仿实实验66</span><br /> <span>6.3 小结71</span><br /> <span>第7章 忌讳搜寻正在暗昧神经网络中的使用72</span><br /> <span>7.1 神经网络取暗昧系统72</span><br /> <span>7.2 暗昧系统取神经网络联结的方式73</span><br /> <span>7.3 犜犪犽犪犵犻-犛狌犵犲狀狅型暗昧神经网络74</span><br /> <span>7.4 忌讳搜寻使用于暗昧神经网络的构造和参数劣化77</span><br /> <span>7.4.1 犉犖犖-犎犜犛算法设想77</span><br /> <span>7.4.2 仿实实验79</span><br /> <span>7.5 忌讳搜寻使用于暗昧神经网络分类器设想86</span><br /> <span>7.5.1 暗昧神经网络取数据发掘87</span><br /> <span>7.5.2 犜犛-犉犖犖犆的设想88</span><br /> <span>7.5.3 犜犛-犉犖犖犆使用于犐犚犐犛数据分类91</span><br /> <span>7.6 小结93</span><br /> <span>第8章 忌讳搜寻正在激情计较中的使用94</span><br /> <span>8.1 激情计较取激情识别94</span><br /> <span>8.2 激情识别钻研现状及问题96</span><br /> <span>8.2.1 激情识别钻研现状96</span><br /> <span>8.2.2 激情识别钻研中存正在的问题97</span><br /> <span>8.3 犌犛犚信号的支罗及特征提与99</span><br /> <span>8.3.1 犌犛犚信号99</span><br /> <span>8.3.2 犌犛犚数据支罗实验100</span><br /> <span>8.3.3 犌犛犚数据的预办理105</span><br /> <span>8.3.4 犌犛犚有效特征提与106</span><br /> <span>8.4 特征选择111</span><br /> <span>8.4.1 特征选择做为组折劣化问题111</span><br /> <span>8.4.2 特征选择的办法111</span><br /> <span>8.5 忌讳搜寻使用于处置惩罚惩罚犌犛犚激情识其它特征选择112</span><br /> <span>8.5.1 封拆式特征子集搜寻思想112</span><br /> <span>8.5.2 使用于激情特征选择的忌讳搜寻算法设想113</span><br /> <span>8.6 分类器设想117</span><br /> <span>8.6.1 分类器设想概述117</span><br /> <span>8.6.2 基于犌犛犚信号的激情识别分类器119</span><br /> <span>8.7 犌犛犚激情识别钻研实验及阐明122</span><br /> <span>8.7.1 改制的忌讳搜寻算法仿实结果123</span><br /> <span>8.7.2 “一对一”激情识别钻研124</span><br /> <span>8.7.3 “一对多”激情识别钻研134</span><br /> <span>8.8 小结137</span><br /> <span>第9章 忌讳搜寻的并止化138</span><br /> <span>9.1 并止忌讳搜寻简介138</span><br /> <span>9.1.1 并止忌讳搜寻的分类138</span><br /> <span>9.1.2 并止忌讳搜寻的使用钻研139</span><br /> <span>9.1.3 对于并止忌讳搜寻的真现取注明139</span><br /> <span>9.2 基于遗传交叉收配的并止忌讳搜寻139</span><br /> <span>9.2.1 算法设想140</span><br /> <span>9.2.2 仿实实验及阐明141</span><br /> <span>9.3 基于解空间分别的并止忌讳搜寻144</span><br /> <span>9.3.1 算法设想144</span><br /> <span>9.3.2 仿实实验及阐明145</span><br /> <span>9.4 基于邻域空间分别的并止忌讳搜寻147</span><br /> <span>9.4.1 算法设想148</span><br /> <span>9.4.2 仿实实验及阐明148</span><br /> <span>9.5 小结151</span><br /> <span>第10章 完毕语152</span><br /> <span>参考文献153</span><br /> <br /> </p> (责任编辑：) |