机读格式显示(MARC)

• 000 02024nam0 2200337 450

• 001 0000252454

• 005 20210309160900.0

• 010 __ |a 978-7-302-54858-4 |d CNY79.00

• 100 __ |a 20200724d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 生物群智计算与机器学习 |A sheng wu qun zhi ji suan yu ji qi xue xi |d = Swarm intelligence computing and machine learning |f 朱云龙 ... [等] 著 |z eng

• 210 __ |a 北京 |c 清华大学出版社 |d 2020

• 215 __ |a 294页 |c 图 |d 26cm

• 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_ |a Swarm intelligence computing and machine learning |z eng

• 606 0_ |a 人工智能 |A ren gong zhi neng |x 算法 |x 研究

• 606 0_ |a 机器学习 |A ji qi xue xi |x 研究

• 690 __ |a TP18 |v 5

• 690 __ |a TP181 |v 5

• 701 _0 |a 朱云龙, |A zhu yun long |f 1967- |4 著

• 701 _0 |a 陈瀚宁, |A chen han ning |f 1979- |4 著

• 701 _0 |a 申海, |A shen hai |f 1976- |4 著

• 701 _0 |a 张浩, |A zhang hao |f 1984- |4 著

• 801 _0 |a CN |b JBXQLIB |c 20210309

• 905 __ |a JBXQLIB |d TP18/35