欢迎光临中国图书网 请 | 注册
> >>
机器学习理论、方法及应用
机器学习理论、方法及应用

机器学习理论、方法及应用

作者:王雪松
出版社:科学出版社出版时间:2009-08-01
开本: 16 页数: 11
读者评分:5分1条评论
中 图 价:¥16.0 (4.0折)定价:¥40.0 登录后可看到会员价
暂时缺货 收藏
免运费政策
北京满49元包快递
全国满69元包快递(港澳台除外)
温馨提示:5折以下图书主要为出版社尾货.大部分为全新,个别图书品相8-9成新、切口有划线
标记、光盘等附件不全
本类五星书

版权信息

  • ISBN:9787030254399
  • 条形码:9787030254399 ; 978-7-03-025439-9
  • 装帧:暂无
  • 版次:第1版
  • 册数:暂无
  • 重量:暂无
  • 印刷次数:1
  • 所属分类:>>

本书特色

《机器学习理论、方法及应用》特点《机器学习理论、方法及应用》主要围绕当前机器学习领域的热点问题展开讨论,体现的学术思想新颖且内容广泛。在详细阐述机器学习理论与新方法的同时,强调理论联系实际,给出了机器学习方法在机械手轨迹跟踪控制、小车爬山短时间控制、倒立摆平衡控制、小船过河控制、机器人迷宫行走以及复杂数值函数优化等方面的具体应用,通过实例说明原理,富有启发性。

内容简介

本书主要围绕基于神经网络的学习、强化学习和进化学习三个方面阐述机器学习理论、方法及其应用,共三部分13章。第一部分是神经网络学习及其在复杂非线性系统中的控制,第二部分是强化学习的大规模或连续空间表示问题,第三部分则是对分布估计优化算法进行研究。

目录

《智能科学技术著作丛书》序序前言第1章 机器学习概述1.1 机器学习的概念1.2 机器学习的发展历史1.3 机器学习的分类1.3.1 基于学习策略的分类1.3.2 基于学习方法的分类1.3.3 基于学习方式的分类1.3.4 基于数据形式的分类1.3.5 基于学习目标的分类1.4 机器学习的主要策略1.4.1 基于神经网络的学习1.4.2 进化学习1.4.3 强化学习1.5 本书主要内容及安排1.6 本章小结参考文献第2章 基于时间差分的神经网络预测控制2.1 方法的提出2.2 基于时间差分的Elman网络预测控制2.2.1 Elman网络预测模型2.2.2 反馈校正模型2.2.3 参考轨迹2.2.4 滚动优化算法2.3 仿真研究2.3.1 预测仿真2.3.2 跟踪仿真2.4 本章小结参考文献第3章 基于径向基函数网络的机械手迭代学习控制3.1 机械手迭代学习控制3.2 基于RBF网络的迭代学习控制3.2.1 选取查询点的k个接近样例3.2.2 利用RBF网络拟合k个数据点3.2.3 预测查询点的控制输入3.3 仿真研究3.4 本章小结参考文献第4章 自适应T-S型模糊径向基函数网络4.1 RBF网络和模糊推理系统的功能等价性4.2 自适应T-S型FRBF网络结构4.3 自适应T-S型FRBF网络学习4.3.1 网络学习动态4.3.2 网络结构学习4.3.3 网络参数学习4.3.4 算法步骤4.4 仿真研究4.5 本章小结参考文献第5章 基于强化学习的自适应PID控制5.1 Actor-Critic学习5.2 基于强化学习的自适应PID控制5.2.1 基于强化学习的自适应PID控制结构5.2.2 基于RBF网络的Actor-Critic学习5.3 控制器设计步骤5.4 仿真研究5.5 本章小结参考文献第6章 基于动态回归网络的强化学习控制6.1 Q学习6.2 基于Elman网络的强化学习控制6.2.1 基于Elman网络的Q学习6.2.2 Elman网络学习算法6.2.3 基于Elman网络的Q学习方法步骤6.3 仿真研究6.4 本章小结参考文献第7章 基于自适应FRBF网络的强化学习7.1 基于自适应FRBF网络的Actor-Qitic学习7.1.1 基于自适应FRBF网络的Actorcritic学习结构7.1.2 自适应FRBF网络的学习7.1.3 算法步骤7.1.4 仿真研究7.2 基于自适应FRBF网络的Q学习7.2.1 基于自适应FRBF网络的Q学习结构7.2.2 自适应FRBF网络的学习7.2.3 算法步骤7.2.4 仿真研究7.3 本章小结参考文献第8章 基于支持向量机的强化学习8.1 SVM8.1.1 机器学习8.1.2 核学习8.1.3 SVM的思想8.1.4 SVM的重要概念8.2 基于SVM的强化学习8.2.1 基于SVM的Q学习结构8.2.2 基于滚动时间窗机制的SVM8.2.3 算法步骤8.2.4 仿真研究8.3 基于协同小二乘SVM的强化学习8.3.1 基于协同小二乘SVM的Q学习8.3.2 LS-SVRM逼近状态一动作对到值函数的映射关系8.3.3 LS-SVCM逼近状态空间到动作空间的映射关系8.3.4 仿真研究8.4 本章小结参考文献第9章 基于高斯过程分类器的强化学习9.1 基于高斯过程分类器的强化学习9.2 在线高斯过程分类器学习9.3 算法步骤9.4 仿真研究9.5 本章小结参考文献第10章 基于图上测地高斯基函数的策略迭代强化学习10.1 环境的图论描述10.2 测地高斯基函数10.3 递归小二乘策略迭代10.4 算法步骤10.5 仿真研究10.6 本章小结参考文献第11章 多目标优化问题的差分进化一分布估计算法11.1 多目标优化11.2 多目标优化的差分进化一分布估计算法11.2.1 多目标优化的DE-EDA混合算法步骤11.2.2 多目标优化的DE子代生成策略11.2.3 多目标优化的EDA子代生成策略11.3 实例研究11.4 本章小结参考文献第12章 基于细菌觅食行为的分布估计算法在预测控制中的应用12.1 方法的提出12.2 基于改进分布估汁算法的预测控制12.2.1 预测模型12.2.2 反馈校正模型12.2.3 基于改进分布估计算法的滚动优化12.3 实验分析12.3.1 Benchmark函数实验12.3.2 预测控制的曲线跟踪实验12.4 本章小结参考文献第13章 一种多样性保持的分布估计算法13.1 混沌模型13.2 多样性保持分布估计算法13.3 Benchmark函数实验13.4 在支持向量机参数选择中的应用13.4.1 算法步骤13.4.2 Chebyshev混沌时间序列预测13.5 本章小结参考文献附录 部分机器学习算法MATLAB源程序程序1 第11章 多目标差分进化-分布估计算法MATLAB源程序程序2 第12章 基于细菌觅食行为的分布估计算法部分MATLAB源程序程序3 第13章 一种多样性保持的分布估计算法部分MATLAB程序
展开全部

节选

机器学习的研究不仅是人工智能领域的核心问题,而且已成为近年来计算机科学与技术领域中活跃的研究分支之一。《机器学习理论、方法及应用》主要围绕基于神经网络的学习、强化学习和进化学习三个方面阐述机器学习理论、方法及其应用,共三部分13章。第一部分是神经网络学习及其在复杂非线性系统中的控制,包括基于时间差分的神经网络预测控制,基于径向基函数网络的机械手迭代学习控制,自适应T_S型模糊径向基函数网络等。第二部分是强化学习的大规模或连续空间表示问题,包括基于强化学习的白适应PID控制,基于动态回归网络的强化学习控制,基于自适应模糊径向基函数网络、支持向量机和高斯过程的连续空间强化学习,基于图上测地高斯基函数的策略迭代强化学习等。第三部分则是对分布估计优化算法进行研究,包括多目标优化问题的差分进化一分布估计算法,基于细菌觅食行为的分布估计算法在预测控制中的应用,一种多样性保持的分布估计算法及其在支持向量机参数选择问题中的应用等。为便于应用《机器学习理论、方法及应用》阐述的算法,书后附有部分机器学习算法MATLAB源程序。《机器学习理论、方法及应用》可供理工科高等院校计算机科学、信息科学、人工智能和自动化技术及相关专业的教师及研究生阅读,也可供自然科学和工程技术领域中的研究人员参考。

商品评论(1条)
  • 主题:书不是很厚,但还不错

    书不是很厚,但还不错。 适合作为机器学习的入门补充教材。

    2016/10/9 20:13:38
    读者:moq***(购买过本书)

书友推荐

本类畅销

编辑推荐

返回顶部
中国图书网
在线客服