|
000
|
01926nam 2200337 450
|
|
001
|
2441910659
|
|
010
|
|
@a978-7-302-66366-9@dCNY129.00
|
|
100
|
|
@a20240703d2024 em y0chiy0120 ea
|
|
101
|
1
|
@achi@ceng
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aak a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a数据驱动的进化优化@Ashu ju qu dong de jin hua you hua@e进化计算、机器学习和数据科学的集成@f(德) 金耀初, 王晗丁, 孙超利著@g王晗丁, 孙超利, (德) 金耀初译
|
|
210
|
|
@a北京@c清华大学出版社@d2024.06
|
|
215
|
|
@a25, 296页@c图@d24cm
|
|
225
|
2
|
@a中外学者论AI@Azhong wai xue zhe lun AI
|
|
312
|
|
@a英文题名原文取自封面
|
|
314
|
|
@a金耀初, 欧洲科学院院士, lEEE Fellow, IEEE计算智能学会主席, 西湖大学工学院人工智能讲席教授、可信及通用人工智能实验室负责人。王晗丁, 西安电子科技大学人工智能学院教授, 2020年入选国家海外高级青年人才项目。研究方向包括计算智能、机器学习、多目标优化及代理模型。近五年发表高水平论文50篇。孙超利, 太原科技大学计算机科学与技术学院教授。长期从事计算智能, 数据驱动的进化优化以及机器学习等方向的科学研究。
|
|
320
|
|
@a有书目 (第276-296页)
|
|
330
|
|
@a本书首先简要但系统介绍优化问题重要概念、基于梯度法及模型的传统优化算法以及具有代表性的演化算法与群智能优化算法。在此基础上, 引入包括信赖域算法及贝叶斯优化在内的代理模型辅助的演化优化的基本方法和框架, 并重点介绍基于多代理模型辅助的单目标优化。此后, 给出了代理模型辅助的多目标、超多目标及高维问题演化优化算法。
|
|
410
|
0
|
@12001 @a中外学者论AI
|
|
500
|
10
|
@aData-driven evolutionary optimization : integrating evolutionary computation, machine learning and data science@mChinese
|
|
517
|
1
|
@a进化计算、机器学习和数据科学的集成@Ajin hua ji suan 、ji qi xue xi he shu ju ke xue de ji cheng
|
|
586
|
|
@a
|
|
606
|
0
|
@a数据处理@Ashu ju chu li
|
|
690
|
|
@aTP274@v5
|
|
701
|
0
|
@a金耀初@Ajin yao chu@4著
|
|
701
|
0
|
@a王晗丁@Awang han ding@4著
|
|
701
|
0
|
@a孙超利@Asun chao li@4著
|
|
801
|
0
|
@aCN@c20240703
|
|
905
|
|
@dTP274@eJ820@f1@sTP274/J820@S@Z
|
|
|
|
|
| |
| 数据驱动的进化优化：进化计算、机器学习和数据科学的集成/(德) 金耀初, 王晗丁, 孙超利著/王晗丁, 孙超利, (德) 金耀初译.-北京：清华大学出版社，2024.06 |
| 25, 296页：图；24cm.-(中外学者论AI) |
| |
| |
| ISBN 978-7-302-66366-9：CNY129.00 |
| 本书首先简要但系统介绍优化问题重要概念、基于梯度法及模型的传统优化算法以及具有代表性的演化算法与群智能优化算法。在此基础上, 引入包括信赖域算法及贝叶斯优化在内的代理模型辅助的演化优化的基本方法和框架, 并重点介绍基于多代理模型辅助的单目标优化。此后, 给出了代理模型辅助的多目标、超多目标及高维问题演化优化算法。 |
| ● |
正题名：数据驱动的进化优化
索取号：TP274/J820
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
21617233
|
216172335
|
自科库301/301自科库 42排3列5层/
[索取号:TP274/J820]
|
在馆
|
|
