機器學習的研究不僅是人工智慧領域的核心問題，而且已成為近年來電腦科學與技術領域中最活躍的研究分支之一。
本書主要圍繞基於神經網路的學習、強化學習和進化學習三個方面闡述機器學習理論、方法及其應用，共三部分13章。第一部分是神經網路學習及其在複雜非線性系統中的控制，包括基於時間差分的神經網路預測控制，基於徑向基函數網路的機械手反覆運算學習控制，自我調整T_S型模糊徑向基函數網路等。第二部分是強化學習的大規模或連續空間表示問題，包括基於強化學習的白適應PID控制，基於動態回歸網路的強化學習控制，基於自我調整模糊徑向基函數網路、支援向量機和高斯過程的連續空間強化學習，基於圖上測地高斯基函數的策略反覆運算強化學習等。第三部分則是對分佈估計優化演算法進行研究，包括多目標優化問題的差分進化一分佈估計演算法，基於細菌覓食行為的分佈估計演算法在預測控制中的應用，一種多樣性保持的分佈估計演算法及其在支援向量機參數選擇問題中的應用等。為便於應用本書闡述的演算法，書後附有部分機器學習演算法MATLAB來源程式。
本書可供理工科高等院校電腦科學、資訊科學、人工智慧和自動化技術及相關專業的教師及研究生閱讀，也可供自然科學和工程技術領域中的研究人員參考。
購物須知
退換貨說明：
會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。
辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。
收藏
二手徵求有驚喜
2024專利防護中