计算智能与科学配方【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

计算智能与科学配方PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 绪论1

第一节 什么是计算智能1

一、什么是智能1

二、智能科学2

三、计算智能与人工智能5

四、计算智能与西药快速设计9

五、经验科学与经验的科学11

第二节 什么是机器学习12

一、学习：智能之核心13

二、什么是机器学习15

三、机器如何学习17

第三节 如何开发智能配方系统19

一、智能配方系统的目标19

二、系统开发的途径20

三、系统开发对企业的要求21

第二章 产品配方与感觉品质评估23

第一节 产品质量的感觉评估23

一、品酒师23

二、感觉系统与感觉评估25

三、文化背景的影响28

四、物性感知科学29

第二节 物性的感觉测试技术32

一、心理物理学研究32

二、评估小组与实验室33

三、评估方式34

四、感觉测试面临的问题35

第三节 配方问题的复杂性36

一、原料成分的复杂性37

二、生态环境影响的复杂性40

三、中西药配方的复杂性42

四、什么是复杂性？44

第四节 传统计算方法面临的问题45

一、传统数学方法的不足45

二、计算智能技术应用动态48

第三章 神经网络与感觉评估50

第一节 人工感觉系统50

一、传感器：模拟生物感觉器官50

二、模拟感觉系统52

第二节 人工神经网络53

一、什么是神经网络53

二、与其他方法的比较56

第三节 多层感知器：通用函数逼近器58

一、多层感知器58

二、反向传播（BP）学习算法60

第四节 BP算法的改进63

一、学习参数自适应调节63

二、激励函数参数自适应调节65

三、学习曲线与交叉验证66

四、正则化与惩罚项67

五、LMBP算法69

第五节 网络结构优化71

一、网络剪裁72

二、神经元模型的推广74

第六节 模糊集与模拟感觉评估75

一、模糊集75

二、模糊数与神经网络77

三、模拟评估师·图灵测试78

第七节 径向基函数网络80

一、径向基函数方法80

二、RBF网络81

第四章 知识发现与复杂相关性分析84

第一节 统计学相关分析能做什么85

一、散点图85

二、回归与相关分析87

三、线性回归分析89

四、SPSS统计分析软件90

第二节 神经网络知识发现概论92

一、神经网络结构分析93

二、神经网络功能模拟94

三、利用阶梯样本提取知识97

第三节 神经网络暗箱打开了吗？100

一、ANN与模糊规则基的等价性101

二、IRIS分类问题103

三、打开ANN暗箱105

第四节 网络剪裁与激励函数片线性分析106

一、分段线性逼近106

二、规则生成算法107

三、多种方法难分高下109

第五节 网络权值分析与内部知识提取110

一、MLP分类器110

二、MLP函数逼近器的内部行为111

三、S型函数的半线性分析113

第六节 信息扩散与模糊信息优化117

一、信息扩散原理118

二、模糊变换散点图120

三、产品属性与原料成分关系图122

第七节 决策树归纳学习125

一、用实例归纳决策树126

二、模型树128

三、模型树M5′算法131

四、啤酒属性Y与成分的相关分析133

五、烟叶成分与感觉评估和烟气指标相关分析134

六、烟叶感觉评估指标与烟气指标预测137

第五章 模式识别与原料分类139

第一节 实例启动的学习140

一、k-近邻分类法140

二、距离加权最近邻算法142

三、学习方式：被动与主动、局部与全体143

第二节 模糊c-均值聚类145

一、c-均值聚类146

二、模糊c-均值聚类147

第三节 自组织映射何以能拓扑保序148

一、仿生模式识别与SOM148

二、SOM算法要点151

三、两类模拟弹性力152

四、弹性网的变形与保序154

五、改进SOM用于原配料分类158

第四节 MLP：模糊线性分类器161

一、模糊线性判别函数（F-LDF）161

二、MLP：模糊线性分类器165

三、隐层权向量的初始化166

四、最优分类超平面169

第六章 支持向量机方法172

第一节 统计学习与支持向量机172

一、如何提高学习机的推广能力172

二、VC维与结构风险最小化175

三、SVM的基本思想176

第二节 线性SVM模式分类器180

一、最优超平面与支持向量180

二、线性不可分问题求解183

三、SVM模式分类器184

第三节 SVM回归分析186

一、ε-不敏感误差函数186

二、SVM非线性回归187

三、SVM回归分析的特点190

第四节 几种算法性能比较192

一、SVM方法之优劣192

二、最小二乘SVM194

三、SVM模拟感觉评估194

四、多种算法性能比较：手写体数字识别196

第七章 进化计算配方寻优方法199

第一节 什么是进化计算199

一、生物进化的启示199

二、进化算法概述201

第二节 遗传算法的基本操作206

一、编码（基因链码、染色体）206

二、个体与群体207

三、适应度函数207

四、基本遗传算子209

第三节 进化算法与配方寻优213

一、新药的快速发现213

二、卷烟配方问题214

三、叶组配方设计216

第四节 多种群遗传算法218

一、多种群遗传算法要点218

二、进化神经网络219

三、实验验证222

第五节 遗传算法普适性质疑224

一、模式定理224

二、基因组成长假设226

第八章 计算智能的若干哲理228

第一节 没有包治百病的药228

一、没有免费的午餐定理228

二、丑小鸭定理230

三、利于治疗许多病的药231

第二节 经验、直觉与算法233

一、算法的局限性233

二、先验知识的关键作用235

第三节 有从特殊到特殊的直推吗237

一、归纳＋演绎的推理237

二、SVM是从样本到样本的直推吗？238

第九章 人机交互智能配方系统241

第一节 集体学习241

一、什么是集体学习241

二、分而治之的策略242

第二节 与领域专家经验相结合245

一、建立专家知识库245

二、人机交互的配方优化过程246

第三节 多种算法集成247

一、什么是多种算法集成248

二、多算法集成的另一实例250

第四节 配方系统与现代集成制造系统251

一、智能配方系统结构252

二、配方系统融入企业信息化大系统258

三、从经验配方到科学配方260

参考文献263

致谢272