第一部分專題介紹
第1章人工智能概述
1.1人工智能的基本概念
1.1.1智能的概念
1．1．2人工智能的概念
1．1．3人工智能的研究目標
1．1．4人工智能的研究方法
1．2人工智能的特征
1．3人工智能的應用
1．3．1機器思維
1．3．2機器感知
1．3．3機器行為
1．3．4機器學習
1．3．5機器計算
1．3．6分布式人工智能
1．3．7機器系統
1．3．8典型應用
1．4本章小結
第2章神經網絡算法及其MATLAB實現
2．1神經網絡基礎
2．1．1人工神經網絡的發展
2．1．2人工神經網絡研究內容
2．1．3人工神經網絡研究方向
2．1．4人工神經網絡發展趨勢
2．2神經網絡的結構及學習
2．2．1神經網絡結構
2．2．2神經網絡學習
2．2．3MATLAB在神經網絡中的應用
2．3MATLAB神經網絡工具箱
2．3．1神經網絡工具箱函數
2．3．2神經網絡工具箱的圖形用戶界面
2．3．3神經網絡的MATLAB實現
2．4Simulink神經網絡控制工具箱
2．4．1神經網絡模型預測控制
2．4．2反饋線性化控制
2．4．3模型參考控制
2．5本章小結
第3章粒子群算法及其MATLAB實現
3．1粒子群算法基礎
3．1．1粒子群算法的發展
3．1．2粒子群算法研究內容
3．1．3粒子群算法的特點
3．1．4粒子群算法的應用
3．2基本粒子群算法
3．2．1基本原理
3．2．2算法構成要素
3．2．3算法參數設置
3．2．4算法的基本流程
3．2．5算法的MATLAB實現
3．3MATLAB粒子群工具箱
3．4權重改進的粒子群算法
3．4．1自適應權重法
3．4．2隨機權重法
3．4．3線性遞減權重法
3．5混合粒子群算法
3．5．1基于雜交的算法
3．5．2基于自然選擇的算法
3．5．3基于免疫的粒子群算法
3．5．4基于模擬退火的算法
3．6本章小結
第4章遺傳算法及其MATLAB實現
4．1遺傳算法的基本概念
4．1．1算法的基本運算
4．1．2遺傳算法的特點
4．1．3遺傳算法中的術語
4．1．4遺傳算法的發展現狀
4．1．5遺傳算法的應用領域
4．2遺傳算法的原理
4．2．1算法運算過程
4．2．2算法編碼
4．2．3適應度及初始群體選取
4．3遺傳算法程序設計及其MATLAB工具箱
4．3．1程序設計
4．3．2算法參數設計原則
4．3．3適應度函數的調整
4．3．4算法MATLAB工具箱及其應用
4．3．5遺傳算法的GUI實現
4．4遺傳算法的典型應用
4．4．1利用遺傳算法求解函數極值
4．4．2遺傳算法在TSP中的應用
4．4．3遺傳算法的求解優化
4．5本章小結
第5章模糊邏輯控制及其MATLAB實現
5．1模糊邏輯控制基礎
5．1．1模糊邏輯控制的基本概念
5．1．2模糊邏輯控制原理
5．1．3模糊邏輯控制器設計的內容
5．1．4模糊邏輯控制規則設計
5．1．5模糊邏輯控制系統的應用領域
5．2模糊邏輯控制工具箱
5．2．1模糊邏輯控制工具箱的功能特點
5．2．2模糊系統的基本類型
5．2．3模糊邏輯控制系統的構成
5．2．4模糊推理系統的建立、修改與存儲管理
5．2．5模糊語言變量及其語言值
5．2．6模糊語言變量的隸屬度函數
5．2．7模糊規則的建立與修改
5．2．8模糊推理計算與去模糊化
5．3模糊邏輯控制工具箱的圖形界面工具
5．3．1FIS編輯器
5．3．2隸屬度函數編輯器
5．3．3模糊規則編輯器
5．3．4模糊規則瀏覽器
5．3．5模糊推理輸入輸出曲面視圖
5．4模糊邏輯控制的經典應用
5．4．1基于Simulink的模糊邏輯控制應用
5．4．2基于模糊邏輯控制的路徑規劃應用
5．5本章小結
第6章免疫算法及其MATLAB實現
6.1免疫算法的基本概念
6.1.1生物免疫系統
6.1.2免疫算法基本原理
6.1.3免疫算法步驟和流程
6.1.4免疫系統模型和免疫算法
6.1.5免疫算法特點
6.1.6免疫算法的發展趨勢
6.2免疫遺傳算法
6.2.1免疫遺傳算法步驟和流程
6.2.2基于MATLAB實現免疫遺傳算法
6.3免疫算法的MATLAB應用
6.3.1免疫算法在克隆選擇中的應用
6.3.2免疫算法在最短路徑規劃問題中的應用
6.3.3免疫算法在TSP中的應用
6.3.4免疫算法在故障檢測中的應用
6.4本章小結
第7章蟻群算法及其MATLAB實現
7.1蟻群算法概述
7.1.1蟻群算法起源
7.1.2蟻群算法的基本原理
7.1.3自適應蟻群算法的介紹
7.1.4蟻群算法實現的重要規則
7.1.5蟻群算法的特點
7.1.6蟻群優化算法的應用
7.2蟻群算法的MATLAB實現
7.3蟻群算法在MATLAB中的應用
7.3.1蟻群算法在路徑規劃中的應用
7.3.2蟻群算法在解決TSP中的應用
7.4本章小結
第8章小波分析算法及其MATLAB實現
8.1傅里葉變換到小波分析
8.1.1傅里葉變換
8.1.2小波分析
8.2Mallat算法
8.2.1Mallat算法原理
8.2.2常用小波函數介紹
8.2.3Mallat算法示例
8.3小波GUI簡介
8.4小波分析用例
8.4.1信號壓縮
8.4.2信號去噪
8.4.3分離信號的不同成分
8.5小波變換在圖像處理中的應用
8.5.1小波變換用于圖像壓縮
8.5.2小波在圖像邊緣檢測的應用
8.5.3小波變換在圖像增強方面的應用
8.6本章小結
第二部分綜合實例應用
第9章模糊神經網絡在工程中的應用
9.1模糊神經網絡
9.1.1模糊神經網絡概述
9.1.2模糊系統與神經網絡的區別與聯系
9.1.3典型模糊神經網絡結構
9.1.4自適應模糊神經推理系統
9.2模糊神經網絡建模方法
9.3模糊神經網絡在工程中的應用
9.3.1模糊神經網絡在解耦控制中的應用
9.3.2模糊神經網絡在函數逼近中的應用
9.4本章小結
第10章遺傳算法在圖像處理中的應用
10.1圖像分割的基礎知識
10.1.1圖像分割的概念
10.1.2圖像分割的理論
10.1.3灰度門限法簡介
10.1.4基于最大類間方差圖像分割原理
10.2遺傳算法實現圖像分割
10.2.1利用遺傳算法實現圖像分割的原理
10.2.2算法的實現
10.3遺傳算法在圖像處理中的應用
10.3.1基于遺傳算法的道路圖像閾值分割
10.3.2基于遺傳神經網絡的圖像分割
10.3.3應用遺傳算法和KSW熵法實現灰度圖像閾值分割
10.4本章小結
第11章神經網絡在參數估計中的應用
11.1參數估計的基本知識
11.1.1參數估計的概念
11.1.2點估計與區間估計
11.1.3樣本容量
11.2幾種通用神經網絡MATLAB代碼
11.3神經網絡在參數估計中的應用
11.3.1神經網絡在人臉識別中的應用
11.3.2灰色神經網絡在數據預測中的應用
11.3.3BP神經網絡在數據預測中的應用
11.3.4概率神經網絡在分類預測中的應用
11.4本章小結
第12章基于智能算法的PID控制器設計
12.1PID控制器的理論基礎
12.2智能算法在PID控制器設計中的應用
12.2.1神經網絡在PID控制器設計中的應用
12.2.2模糊控制在PID控制器設計中的應用
12.2.3遺傳算法在PID控制器設計中的應用
12.3本章小結
第13章智能算法綜合應用
13.1模糊神經網絡控制在MATLAB中的應用
13.2基于遺傳算法的MP算法的應用
13.3本章小結
參考文獻
3dWoo書號： 47358
│加到我的最愛