返回上一页 发布人:patent
我要发布信息
| 好书推荐：高维神经计算发展、评价与应用 | 发布于:2016/05/23 | |
| 计算智能是以生物进化的观点认识和模拟智能。按照这一观点，智能是在生物的遗传、变异、生长以及外部环境的自然选择中产生的。在用进废退、优胜劣汰的过程中，适应度高的（头脑）结构被保存下来，智能水平也随之提高。因此说计算智能就是基于结构演化的智能。主要方法有人工神经网络、遗传算法、遗传程序、演化程序、局部搜索、模拟退火等等。神经计算科学是从信息科学的角度来研究如何加速神经网络模仿和延伸人脑的高级精神活动，如联想、记忆、推理、思维及意识等智能行为。本书从计算智能的角度对具有高维参数的神经计算提出了一个全面的理解。 本书共7章：1.神经计算导论：包括神经计算的发展、研究现状，人工神经网络与机器学习的相关知识，本书的章节组织结构；2.具有高维参数的神经计算：分别介绍了具有单维参数和高维参数的神经计算，包括神经计算二维参数、三维参数与四维参数，甚至n维参数；3.复域神经计算：包括复域神经元、复域激活函数、复域错误函数及复杂领域的学习等内容；4.神经元的高阶计算模型：包括生物神经元、人工神经元的相关模型、学习规则、性能变化等；5.高维映射：包括复值神经网络的映射特性、平面上的共形映射等内容；6.神经计算空间：包括三维向量值神经元、三维人脸识别、三维运动学习等；7.复杂领域的机器学习：包括机器识别的分类器设计、特征提取、复杂结构域中高阶神经元的识别、不同基准数据库的性能评价、对模糊和噪声的鲁棒性分析等。 作者于印度理工学院获得计算智能的博士学位，目前担任印度Harcourt Butler Technological Institute计算机科学与工程系副教授。研究领域包括高维计算神经科学、神经网络、智能化系统设计、机器学习和计算机视觉关注生物特征识别和三维成像。在IEEE Transaction/Elsevier/Springer等发表过多篇论文，并一直担任计算机国际会议和一些国际期刊的审稿人。 本书结构清晰、叙述简捷，批判性地讨论了高维神经计算的核心问题，如信号的定量表示、延长神经元的维度、有监督和无监督学习和高阶神经元的设计等。针对自适应学习机的稳定性进行了评估、监测和维护，并提出了应用性的问题。作者在定性和定量的方法中，对主题的广度和深度都进行了很好的顾及。本书适合在人工智能、计算智能与机器学习等计算机相关领域的本科生、工程师、科学家和研究人员阅读参考。 李亚宁，博士研究生 （中国科学院自动化研究所）来源：国外科技新书评介 |
||
