|
000
|
02019nam0 2200325 450
|
|
001
|
CAL 0120203031309
|
|
010
|
|
@a978-7-302-54858-4@dCNY79.00
|
|
100
|
|
@a20190916d2020 em y0chiy50 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa a 000yy
|
|
200
|
1
|
@a生物群智计算与机器学习@Asheng wu qun zhi ji suan yu ji qi xue xi@d= Swarm intelligence computing and machine learning@f朱云龙 ... [等] 著@zeng
|
|
210
|
|
@a北京@c清华大学出版社@d2020.07
|
|
215
|
|
@a294页@c图@d26cm
|
|
304
|
|
@a题名页题其余责任者: 陈瀚宁, 申海, 张浩
|
|
314
|
|
@a朱云龙, 男, 1967年出生, 复旦大学教授, 国务院政府特殊津贴专家, 长期从事智能制造与工业4.0、生物群智计算以及3D电子打印技术等领域的基础理论与工程应用研究。陈瀚宁, 男, 1979年7月出生, 天津工业大学研究员、博士生导师。博士毕业于中国科学院研究生院, 长期在面向重大应用需求的智能优化理论与应用方面开展深入研究。申海, 女, 1976年出生, 沈阳师范大学教授。主要从事群智智能技术的研究与应用, 开展了无人机路线、先进装备机械结构最优设计、过程控制最优参数、认知无线电等方面的研究。
|
|
320
|
|
@a有书目
|
|
330
|
|
@a本书综合分析了人工智能的发展历程以及人工智能与生物群智计算、机器学习等之间的关系, 给出了生物群智计算的统一框架模型, 涵盖了从简单到复杂的基于个体自适应、群体分工协作、多群体协同进化等生物现象的几类新型生物群智计算模式, 所有这些无疑体现了生物群智计算最基础、最核心的理论与方法同时, 有针对性地介绍了深度学习、强化学习、迁移学习和生成式对抗网络等机器学习方法, 希望读者在掌握生物群智计算的同时, 能够有机地融合这些以大数据为主要特征的机器学习方法, 构建更为激动人心的新型算法。
|
|
510
|
1
|
@aSwarm intelligence computing and machine learning@zeng
|
|
606
|
0
|
@a人工智能@Aren gong zhi neng@x算法@x研究
|
|
606
|
0
|
@a机器学习@Aji qi xue xi@x研究
|
|
690
|
|
@aTP181@v5
|
|
690
|
|
@aTP18@v5
|
|
701
|
0
|
@a朱云龙,@Azhu yun long@f1967-@4著
|
|
701
|
0
|
@a申海,@Ashen hai@f1976-@4著
|
|
701
|
0
|
@a张浩,@Azhang hao@f1984-@4著
|
|
701
|
0
|
@a陈瀚宁,@Achen han ning@f1979-@4著
|
|
801
|
0
|
@aCN@c20200916
|
|
902
|
|
@aRt935-1210
|
|
905
|
|
@a河南城建学院图书馆@dTP18@eZ890
|
|
|
|
|
| |
| 生物群智计算与机器学习= Swarm intelligence computing and machine learning/朱云龙 ... [等] 著.-北京：清华大学出版社，2020.07 |
| 294页：图；26cm |
| |
| |
| ISBN 978-7-302-54858-4：CNY79.00 |
| 本书综合分析了人工智能的发展历程以及人工智能与生物群智计算、机器学习等之间的关系, 给出了生物群智计算的统一框架模型, 涵盖了从简单到复杂的基于个体自适应、群体分工协作、多群体协同进化等生物现象的几类新型生物群智计算模式, 所有这些无疑体现了生物群智计算最基础、最核心的理论与方法同时, 有针对性地介绍了深度学习、强化学习、迁移学习和生成式对抗网络等机器学习方法, 希望读者在掌握生物群智计算的同时, 能够有机地融合这些以大数据为主要特征的机器学习方法, 构建更为激动人心的新型算法。 |
| ● |
正题名：生物群智计算与机器学习
索取号：TP18/Z890
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1458084
|
214580844
|
自科库301/301自科库 102排7列1层/
[索取号:TP18/Z890]
|
在馆
|
|
|
2
|
1458085
|
214580853
|
自科库301/301自科库 102排7列1层/
[索取号:TP18/Z890]
|
在馆
|
|
