书目信息 |
| 题名： |
生物群智计算与机器学习
|
|
| 作者： | 朱云龙, ， 申海, ， 张浩, ， 陈瀚宁, 著 | |
| 分册： | ||
| 出版信息： | 北京 清华大学出版社 2020.07 |
|
| 页数： | 294页 | |
| 开本： | 26cm | |
| 丛书名： | ||
| 单 册： | ||
| 中图分类： | TP181 ， TP18 | |
| 科图分类： | ||
| 主题词： | 人工智能--ren gong zhi neng--算法--研究 , 机器学习--ji qi xue xi--研究 | |
| 电子资源： | ||
| ISBN： | 978-7-302-54858-4 | |
| 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。 |
| ● |
| 相关链接 |
|
|
|
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 35排1列4层/ [索取号:TP18/Z890] | 在馆 | |
| 2 | 1458085 | 214580853 | 自科库301/301自科库 35排1列4层/ [索取号:TP18/Z890] | 在馆 |