计算智能基础

第1章 计算智能(C1)
第2章 模糊理论
2.1 模糊逻辑
2.2 模糊集
2.3 模糊推理和模糊控制
2.4 模糊关系(F.R.)
第3章 人工智能
3.1 “货郎担”问题(TSP)
3.2 启发式搜索
3.3 汉诺塔
3.4 GOFAI的知识表示
3.5 产生式系统与搜索
3.6 谓词逻辑
3.7 归结原理
第4章 神经网络
4.1 推动因素
4.2 存储器
4.3 生物大脑
4.4 人工神经元模型
4.5 线性回归
4.6 线性神经网络
4.7 多层网绍
4.8 误差反向传播
4.9 过拟合
4.10 生长和修剪网络
4.11 预处理网络
4.12 动量和自适应学习率
4.13 分类
4.14 非监督学习
4.15 递归网络
4.16 实时递归学习
4.17 RNNS动态特性
4.18 长短时记忆
第5章 智能机器的实际应用
5.1 当代智能汽车的发展现状
5.2 开发智能汽车面临的问题
5.3 传感器融合
5.4 时间等级推理
5.5 驾驶者和智能汽车的共存技术
5.6 驾驶者模型建议
5.7 智能汽车的未来(实验系统的案例研究)
5.8 总结
参考文献
中文对照检索词