计算智能

陈丽芳

目录

  • 1 绪论
    • 1.1 本节任务
    • 1.2 智能的定义
    • 1.3 计算智能
  • 2 模糊计算基础
    • 2.1 本节任务
    • 2.2 模糊集合
    • 2.3 模糊关系与模糊矩阵
  • 3 模糊计算应用
    • 3.1 本节任务
    • 3.2 模糊聚类分析
    • 3.3 模糊模式识别
    • 3.4 模糊综合评判
    • 3.5 模糊控制
  • 4 人工神经网络基础
    • 4.1 本节任务
    • 4.2 神经网络发展历程
    • 4.3 神经网络基础
  • 5 单层前向网
    • 5.1 本节任务
    • 5.2 单层感知器
    • 5.3 自适应元件及LMS算法
  • 6 多层前向网
    • 6.1 本节任务
    • 6.2 BP网络
    • 6.3 RBF网络
  • 7 反馈神经网络
    • 7.1 本节任务
    • 7.2 Hopfield神经网络
    • 7.3 联想记忆
  • 8 支持向量机
    • 8.1 本节任务
    • 8.2 统计学习理论
    • 8.3 支持向量机原理
    • 8.4 SVM模型与学习算法
  • 9 深度学习
    • 9.1 本节任务
    • 9.2 深度学习简介
  • 10 遗传算法
    • 10.1 本节任务
    • 10.2 遗传算法简介
    • 10.3 基本遗传算法
    • 10.4 遗传算法应用
    • 10.5 遗传算法仿真
本节任务

学习指南:

1. 学习SPOC视频,BP网络和RBF网络,完成测验;

2. 学习SPOC视频,专题4-绘图,完成测验;

3.学习教师录制视频(10个),配合课件内容,掌握多层感知器的模型结构;理解BP算法;学会BP学习步骤的计算过程,完成实验报告3;

        4. 掌握RBF神经网络的原理,掌握正规化和广义网两种模型结构的区别及应用;掌握RBF网络的学习算法和学习过程(中心、方差、权值);理解RBF的空间转换机理,以及基函数选取的规则。

        5. 完成BP神经网络作业、实验报告3、实验报告4.