1. 1 信息科学与机器智能
1. 1. 1 信息与信息科学
1. 1. 2 智能与机器智能
1. 1. 3 机器智能的三个学派
1. 2 计算智能的主要分支
1. 2. 1 人工神经网络
1. 2. 2 遗传算法
1. 2. 3 模糊逻辑
1. 3 计算智能研究的主要问题
1. 3. 1 学习
1. 3. 2 搜索
1. 3. 3 推理
1. 4 计算智能研究的主要方法
1. 4. 1 模型
1. 4. 2 算法
1. 4. 3 实验
习题1
第2章 感知器
2. 1 分类问题
2. 2 感知器
2. 2. 1 感知器模型
2. 2. 2 感知器学习
2. 2. 3 线性可分
2. 2. 4 收敛性
2. 2. 5 复杂性
2. 3 算法的容量
2. 3. 1 概念
2. 3. 2 随机MP模型容量估计
2. 4 非线性感知器
2. 4. 1 非线性权感知器
2. 4. 2 Newton迭代法
2. 4. 3 Newton法的收敛性
2. 5 高阶感知器
2. 5. 1 高阶感知器模型
2. 5. 2 Boolean函数
2. 6 模糊感知器
2. 6. 1 模糊感知器模型
2. 6. 2 算法的收敛性
习题2
第3章 人工神经网络
3. 1 单层前向网
3. 1. 1 单层前向网模型
3. 1. 2 线性单层网
3. 2 最优化方法
3. 2. 1 多元函数的极值
3. 2. 2 梯度法
3. 2. 3 最小二乘法
3. 3 多层前向网
3. 3. 1 双层前向网
3. 3. 2 学习目标
3. 3. 3 误差的后向传播
3. 3. 4 前向网络的学习算法
3. 4 径向基函数
3. 4. 1 插值
3. 4. 2 径向基函数网
3. 5 回归神经元网络
3. 5. 1 Hopfield网模型
3. 5. 2 系统的稳定性
3. 5. 3 系统的收敛性
3. 5. 4 纠错学习问题
习题3
第4章 支撑向量机
4. 1 最优分离超平面
4. 1. 1 最优分离超平面
4. 1. 2 二次规划
4. 1. 3 KKT条件
4. 1. 4 分类超曲面
4. 2 支撑向量机
4. 2. 1 线性支撑向量机
4. 2. 2 Gauss核支撑向量机
4. 3 SVM学习算法
4. 3. 1 SMO算法
4. 3. 2 SMO算法的实现
4. 3. 3 SMO算法的改进
4. 4 数值实验
习题4
第5章 遗传算法
5. 1 简单遗传算法
5. 1. 1 简单遗传算法
5. 1. 2 模式(Schema)
5. 2 个体与种群
5. 2. 1 个体
5. 2. 2 种群
5. 3 遗传算子
5. 3. 1 选择算子
5. 3. 2 杂交算子
5. 3. 3 变异算子
5. 3. 4 删除算子
5. 4 模式
5. 4. 1 最小模式
5. 4. 2 杂交算子的整体性质
习题5
第6章 数值实验
6. 1 数学软件MATLAB相关函数
6. 1. 1 MATLAB简介
6. 1. 2 相关函数
6. 2 感知器数值实验
6. 2. 1 感知器生成与实例
6. 2. 2 线性神经网络生成与实例
6. 3 BP算法数值实验
6. 4 自适应网络
6. 4. 1 自适应网络简介
6. 4. 2 自适应网络实验
习题6
第7章 应用
7. 1 旅行商问题
7. 1. 1 TSP问题描述
7. 1. 2 连续Hopfield方法
7. 1. 3 TSP的HNNS模型
7. 2 神经网络优化算法
7. 2. 1 线性规划及对偶问题
7. 2. 2 神经网络优化模型
7. 2. 3 凸函数
7. 2. 4 网络模型的收敛性
7. 2. 5 数值方法
7. 3 TSP的遗传算法
7. 3. 1 算法描述
7. 3. 2 程序实现
习题7
第8章 模糊集与模糊系统
8. 1 模糊集与隶属函数
8. 1. 1 特征函数
8. 1. 2 模糊集与隶属函数
8. 1. 3 模糊集合的表示法
8. 2 模糊集上的运算
8. 2. 1 模糊集上的基本运算
8. 2. 2 模糊集运算的基本性质
8. 2. 3 模糊集合的代数和. 代数积. 有界和. 有界积
8. 3 凸模糊集及其性质
8. 3. 1 凸模糊集
8. 3. 2 模糊数
8. 3. 3 2型模糊集与条件模糊集
8. 4 模糊系统与模糊算法
8. 4. 1 模糊系统与状态
8. 4. 2 模糊系统的状态方程
习题8
第9章 模糊逻辑与模糊推理
9. 1 基本概念
9. 1. 1 模糊逻辑
9. 1. 2 模糊语言
9. 1. 3 模糊推理
9. 2 模糊命题与模糊逻辑公式
9. 2. 1 模糊命题与模糊关系
9. 2. 2 析取范式与合取范式
9. 3 模糊逻辑公式的化简
9. 3. 1 主析取范式
9. 3. 2 最简析取范式
9. 4 模糊逻辑函数的分析合成
9. 4. 1 模糊逻辑函数的分解
9. 4. 2 模糊逻辑函数的合成
9. 5 模糊语言与模糊推理
9. 5. 1 模糊语言及基本性质
9. 5. 2 模糊推理及其规则
习题9
第10章 模糊模式识别与模糊控制
10. 1 模糊模式识别的直接方法
10. 1. 1 最大隶属原则与图形识别
10. 1. 2 手写数字和字母的识别
10. 2 贴近度与模糊模式识别的间接方法
lo. 2. 1 贴近度及有关概念
10. 2. 2 模糊度与择近原则
10. 2. 3 利用择近原则进行模糊模式识别举例
10. 3 模糊控制原理
10. 3. 1 模糊控制及其类型
10. 3. 2 模糊控制过程
习题10
附录 TSP的遗传算法程序
主要参考文献
