人工智能算法

人工智能算法讀書筆記模板01思維導(dǎo)圖目錄分析讀書筆記內(nèi)容摘要作者介紹精彩摘錄目錄0305020406思維導(dǎo)圖人工智能算法理論內(nèi)容算法用書智能算法算法結(jié)構(gòu)理論函數(shù)第章圖形應(yīng)用灰色特點(diǎn)滑模神經(jīng)網(wǎng)絡(luò)控制關(guān)鍵字分析思維導(dǎo)圖內(nèi)容摘要內(nèi)容摘要本書以智能算法為背景，全面地介紹了人工智能的各種算法，本書內(nèi)容以理論為基礎(chǔ)，以應(yīng)用為主導(dǎo)，循序漸進(jìn)地向讀者揭示怎樣利用智能算法解決實(shí)際問(wèn)題。全書共11章主要內(nèi)容包括MATLAB語(yǔ)言入門、插值算法與曲線擬合、灰色系統(tǒng)理論、傅里葉變換和小波變換、經(jīng)驗(yàn)?zāi)B(tài)分解算法、模糊邏輯控制算法、滑模變結(jié)構(gòu)控制、神經(jīng)網(wǎng)絡(luò)基本理論、支持向量機(jī)、粒子群算法、蟻群算法、模擬退火算法等。本書可作為高校本科生和研究生的學(xué)習(xí)用書，也可作為科研人員、學(xué)者、工程技術(shù)人員的相關(guān)參考用書。目錄分析1.1人工智能的發(fā)展過(guò)程1.3人工智能特點(diǎn)與應(yīng)用1.2人工智能的核心技術(shù)體系第1章緒論1.1人工智能的發(fā)展過(guò)程1.1.1孕育階段1.1.2形成階段1.1.3發(fā)展階段1.3人工智能特點(diǎn)與應(yīng)用1.3.1人工智能研究的特點(diǎn)1.3.2人工智能應(yīng)用2.1MATLAB語(yǔ)言開發(fā)環(huán)境2.2數(shù)據(jù)類型與基本運(yùn)算符2.3常用的流程操作語(yǔ)句2.4MATLAB語(yǔ)言的繪圖第2章MATLAB語(yǔ)言入門2.1MATLAB語(yǔ)言開發(fā)環(huán)境2.1.1命令行窗口2.1.2M文件編輯窗口2.1.3SimulinkModel窗口2.2數(shù)據(jù)類型與基本運(yùn)算符2.2.1變量的定義與賦值2.2.2數(shù)據(jù)類型2.2.3關(guān)系表達(dá)式2.2.4關(guān)系表達(dá)式的優(yōu)先級(jí)2.2.5邏輯表達(dá)式2.3常用的流程操作語(yǔ)句2.3.1順序結(jié)構(gòu)2.3.2if分支結(jié)構(gòu)2.3.3switch分支結(jié)構(gòu)2.3.4while循環(huán)結(jié)構(gòu)2.3.5for循環(huán)結(jié)構(gòu)2.4MATLAB語(yǔ)言的繪圖2.4.1圖形的基礎(chǔ)知識(shí)2.4.2繪制二維圖形2.4.3設(shè)置曲線的屬性2.4.4設(shè)置坐標(biāo)軸范圍2.4.5疊繪和圖形標(biāo)識(shí)2.4.6繪制雙坐標(biāo)軸圖形2.4.7繪制多子圖2.4.8交互式圖形2.4.9繪制面積圖3.1插值3.3曲線擬合3.2插值算法第3章插值算法與曲線擬合3.1插值3.1.1一維插值3.1.2人口數(shù)量預(yù)測(cè)3.1.3二維插值3.1.4繪制二元函數(shù)圖形3.2插值算法3.2.1拉格朗日插值3.2.2牛頓插值3.2.3分段插值法3.2.4樣條插值3.3曲線擬合3.3.1多項(xiàng)式擬合3.3.2加權(quán)最小方差擬合3.3.3數(shù)據(jù)擬合——適用加權(quán)最小方差WLS方法4.1灰色關(guān)聯(lián)分析法4.3灰色聚類評(píng)估4.2灰色預(yù)測(cè)第4章灰色系統(tǒng)理論4.1灰色關(guān)聯(lián)分析法4.1.1灰色關(guān)聯(lián)因素與關(guān)聯(lián)算子集4.1.2距離空間4.1.3灰色關(guān)聯(lián)公理與灰色關(guān)聯(lián)度4.2灰色預(yù)測(cè)4.2.1累加生成序列4.2.2均值GM(1，1)模型4.2.3累減生成序列4.2.4模型檢驗(yàn)4.3灰色聚類評(píng)估4.3.1灰色變權(quán)聚類4.3.2灰色定權(quán)聚類5.1傅里葉變換5.3小波包變換5.2小波變換第5章傅里葉變換和小波變換5.1傅里葉變換5.1.1傅里葉級(jí)數(shù)的頻譜5.1.2傅里葉級(jí)數(shù)的相位譜5.1.3傅里葉變換表示形式5.1.4MATLAB的傅里葉變換函數(shù)5.1.5傅里葉變換的信號(hào)降噪應(yīng)用5.2小波變換5.2.1小波函數(shù)5.2.2小波變換理論5.2.3小波分解與重構(gòu)5.2.4MATLAB的小波變換函數(shù)5.2.5小波變換在信號(hào)處理中的應(yīng)用5.3小波包變換5.3.1小波包變換理論5.3.2小波包變換的MATLAB函數(shù)5.3.3小波包變換在信號(hào)處理中的應(yīng)用6.1EMD算法6.3CEEMD算法6.2EEMD算法第6章經(jīng)驗(yàn)?zāi)B(tài)分解算法6.1EMD算法6.1.1瞬時(shí)頻率6.1.2EMD基本理論6.1.3EMD下載與應(yīng)用7.1概述7.3模糊關(guān)系的基本概念7.2模糊集合的基本概念第7章模糊邏輯控制算法7.4模糊推理與模糊決策7.6模糊控制系統(tǒng)的工作原理7.5模糊控制器的基本原理與設(shè)計(jì)方法第7章模糊邏輯控制算法7.2模糊集合的基本概念7.2.1普通集合7.2.2模糊集合7.2.3模糊運(yùn)算7.2.4隸屬函數(shù)的確定7.2.5常見的隸屬函數(shù)7.3模糊關(guān)系的基本概念7.3.1普通關(guān)系7.3.2模糊關(guān)系7.3.3模糊變換7.4模糊推理與模糊決策7.4.1模糊邏輯7.4.2模糊語(yǔ)言算子7.4.3模糊推理7.4.4模糊決策7.5模糊控制器的基本原理與設(shè)計(jì)方法7.5.1模糊控制器的基本原理7.5.2模糊控制器的設(shè)計(jì)步驟7.6模糊控制系統(tǒng)的工作原理7.6.1單輸入和單輸出模糊控制器的設(shè)計(jì)7.6.2雙輸入和單輸出模糊控制器7.6.3MATLAB模糊控制工具箱及應(yīng)用8.1變結(jié)構(gòu)控制系統(tǒng)8.3滑動(dòng)模態(tài)及其數(shù)學(xué)表達(dá)8.2開關(guān)控制與滑模變結(jié)構(gòu)控制第8章滑模變結(jié)構(gòu)控制8.4菲力普夫理論8.5等效控制及滑模運(yùn)動(dòng)8.6滑模變結(jié)構(gòu)控制的基本問(wèn)題8.7滑模變結(jié)構(gòu)控制系統(tǒng)的動(dòng)態(tài)品質(zhì)8.8滑模變結(jié)構(gòu)控制的基本方法8.9基于低通濾波器的滑?？刂?10302040506第8章滑模變結(jié)構(gòu)控制8.1變結(jié)構(gòu)控制系統(tǒng)8.1.1變結(jié)構(gòu)控制8.1.2變結(jié)構(gòu)控制系統(tǒng)的品質(zhì)8.1.3變結(jié)構(gòu)系統(tǒng)的數(shù)學(xué)模型8.1.4變結(jié)構(gòu)控制的特點(diǎn)8.2開關(guān)控制與滑模變結(jié)構(gòu)控制8.2.1開關(guān)控制8.2.2變結(jié)構(gòu)系統(tǒng)中的滑動(dòng)模態(tài)8.3滑動(dòng)模態(tài)及其數(shù)學(xué)表達(dá)8.3.1滑動(dòng)模態(tài)8.3.2滑動(dòng)模態(tài)的數(shù)學(xué)表達(dá)8.4菲力普夫理論8.4.1滑動(dòng)模態(tài)的存在條件8.4.2關(guān)于菲力普夫理論的說(shuō)明8.5等效控制及滑模運(yùn)動(dòng)8.5.1等效控制8.5.2滑模運(yùn)動(dòng)8.6滑模變結(jié)構(gòu)控制的基本問(wèn)題8.6.1滑動(dòng)模態(tài)的存在性8.6.2滑動(dòng)模態(tài)的可達(dá)性及廣義滑模8.6.3滑模運(yùn)動(dòng)的穩(wěn)定性8.7滑模變結(jié)構(gòu)控制系統(tǒng)的動(dòng)態(tài)品質(zhì)8.7.1正常運(yùn)動(dòng)段8.7.2滑模運(yùn)動(dòng)段8.8滑模變結(jié)構(gòu)控制的基本方法8.8.1滑模變結(jié)構(gòu)的基本控制策略8.8.2滑模變結(jié)構(gòu)控制的基本結(jié)構(gòu)8.9基于低通濾波器的滑?？刂?.9.1系統(tǒng)描述8.9.2滑?？刂破髟O(shè)計(jì)8.9.3仿真實(shí)例9.1生物神經(jīng)網(wǎng)絡(luò)9.2人工神經(jīng)元的數(shù)學(xué)建模9.3人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)建模9.4人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)第9章神經(jīng)網(wǎng)絡(luò)基本理論9.5神經(jīng)網(wǎng)絡(luò)及其分類9.6BP神經(jīng)網(wǎng)絡(luò)9.7BP算法的不足與改進(jìn)9.8BP網(wǎng)絡(luò)的MATLAB仿真實(shí)例9.9徑向基神經(jīng)網(wǎng)絡(luò)9.10徑向基網(wǎng)絡(luò)的MATLAB仿真實(shí)例010302040506第9章神經(jīng)網(wǎng)絡(luò)基本理論9.1生物神經(jīng)網(wǎng)絡(luò)9.1.1生物神經(jīng)元的結(jié)構(gòu)9.1.2生物神經(jīng)元的信息處理機(jī)理9.1.3生物神經(jīng)網(wǎng)絡(luò)的信息處理9.2人工神經(jīng)元的數(shù)學(xué)建模9.2.1M-P模型9.2.2常用的神經(jīng)元數(shù)學(xué)模型9.3人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)建模9.3.1網(wǎng)絡(luò)拓?fù)漕愋?.3.2網(wǎng)絡(luò)信息流向類型9.6BP神經(jīng)網(wǎng)絡(luò)9.6.1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)9.6.2BP神經(jīng)網(wǎng)絡(luò)算法原理9.6.3反向傳播實(shí)例9.7BP算法的不足與改進(jìn)9.7.1BP算法的不足9.7.2BP算法的改進(jìn)9.8BP網(wǎng)絡(luò)的MATLAB仿真實(shí)例9.8.1BP神經(jīng)網(wǎng)絡(luò)的MATLAB工具箱9.8.2BP網(wǎng)絡(luò)仿真實(shí)例9.9徑向基神經(jīng)網(wǎng)絡(luò)9.9.1正規(guī)化RBF網(wǎng)絡(luò)9.9.2廣義RBF網(wǎng)絡(luò)9.10徑向基網(wǎng)絡(luò)的MATLAB仿真實(shí)例9.10.1RBF網(wǎng)絡(luò)的MATLAB工具箱9.10.2仿真實(shí)例10.1統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)10.3LIBSVM軟件包簡(jiǎn)介10.2支持向量機(jī)第10章支持向量機(jī)10.1統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)10.1.1機(jī)器學(xué)習(xí)10.1.2經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則10.1.3結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則10.2支持向量機(jī)10.2.1最優(yōu)超平面10.2.2線性支持向量機(jī)10.2.3非線性支持向量機(jī)10.3LIBSVM軟件包簡(jiǎn)介10.3.1LIBSVM使用的數(shù)據(jù)格式10.3.2LIBSVM使用的函數(shù)10.3.3LIBSVM使用11.1粒子群概述11.2粒子群算法11.3蟻群算法11.4模擬退火算法第11章智能優(yōu)化算法11.6禁忌搜索算法11.5遺傳算法第11章智能優(yōu)化算法11.1粒子群概述11.1.1粒子群算法的基本原理11.1.2全局與局部模式11.1.3粒子群的算法建模11.1.4粒子群的特點(diǎn)11.1.5粒子群算法與其他進(jìn)化算法的異同11.2粒子群算法11.2.1基本原理11.2.2算法構(gòu)成要素11.2.3算法的基參數(shù)設(shè)置11.2.4算法基本流程11.2.5粒子群算法的MATLAB實(shí)現(xiàn)11.3蟻群算法11.3.1蟻群的基本概念11.3.2蟻群算法的重要規(guī)則11.3.3蟻群優(yōu)化算法的應(yīng)用11.3.4蟻群算法的MATLAB實(shí)現(xiàn)11.4模擬退火算法11.4.1模擬退火算法的理論11.4.2模擬退火尋優(yōu)實(shí)現(xiàn)步驟11.4.3模擬退火算法的MATLAB工具箱11.4.4模擬退火的MATLAB實(shí)現(xiàn)11.5遺傳算法11.5.1遺傳算法概述11.5.2遺傳算法的生物學(xué)基礎(chǔ)11.5.3遺傳算法的名稱解釋11.5.4遺傳算法的運(yùn)算過(guò)程11.5.5遺傳算法的特點(diǎn)11.5.6染色體的編碼11.5.7適應(yīng)度函數(shù)11.5.8遺傳算子11.5.9算法參數(shù)設(shè)計(jì)原則11.6禁忌搜索算法11.6.1禁忌搜索的相關(guān)理論11.6.2啟發(fā)式搜索算法與