一区二区三区av无码观看,a**片免费全部播放**

演化學(xué)習(xí)利用演化算法求解機(jī)器學(xué)習(xí)中的復(fù)雜優(yōu)化問題，在實(shí)踐中取得了許多成功，但因其缺少堅實(shí)的理論基礎(chǔ)，在很長時期內(nèi)未獲得機(jī)器學(xué)習(xí)社區(qū)的廣泛接受. 本書主要內(nèi)容為三位作者在這個方向上過去二十年中主要工作的總結(jié).
全書共18 章，分為四個部分：第一部分(第1～2 章) 簡要介紹演化學(xué)習(xí)和一些關(guān)于理論研究的預(yù)備知識; 第二部分(第3～6章) 介紹用于分析運(yùn)行時間復(fù)雜度和逼近能力這兩個演化學(xué)習(xí)的基本理論性質(zhì)的通用工具; 第三部分(第7～12 章) 介紹演化學(xué)習(xí)關(guān)鍵因素對算法性能影響的一系列理論結(jié)果，包括交叉算子、解的表示、非精確適應(yīng)度評估、種群的影響等; 第四部分(第13～18 章) 介紹一系列基于理論結(jié)果啟發(fā)的具有一定理論保障的演化學(xué)習(xí)算法.
本書適合對演化學(xué)習(xí)感興趣的研究人員、學(xué)生和實(shí)踐者閱讀. 書中第二部分內(nèi)容或可為有興趣進(jìn)一步探索演化學(xué)習(xí)理論基礎(chǔ)的讀者提供分析工具，第三部分內(nèi)容或有助于讀者進(jìn)一步理解演化學(xué)習(xí)過程并為新算法設(shè)計提供啟發(fā)，第四部分內(nèi)容或可為讀者解決一些現(xiàn)實(shí)機(jī)器學(xué)習(xí)問題提供新的算法方案.

周志華，南京大學(xué)計算機(jī)科學(xué)與技術(shù)系主任、人工智能學(xué)院院長、計算機(jī)軟件新技術(shù)國家重點(diǎn)實(shí)驗室常務(wù)副主任、機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘研究所（LAMDA）所長。ACM/AAAS/AAAI/IEEE/IAPR/IET/CCF/CAAI會士，歐洲科學(xué)院外籍院士。中國計算機(jī)學(xué)會常務(wù)理事、中國人工智能學(xué)會副理事長。
周志華教授主要從事人工智能、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等領(lǐng)域的研究工作。著有《機(jī)器學(xué)習(xí)》（西瓜書）等廣受好評的著作，在本領(lǐng)域頂刊和頂會發(fā)表論文兩百余篇，被引五萬余次�，F(xiàn)任AI Magazine顧問，F(xiàn)rontiers of Computer Science（FCS）、Artificial Intelligence等國內(nèi)外知名期刊主編、副主編、編委等；也擔(dān)任IJCAI理事會成員(2018-2023)，曾擔(dān)任IJCAI顧問委員會委員、IJCAI 2021程序委員會主席、AAAI 2019程序委員會主席等會議職務(wù)。
俞揚(yáng)，南京大學(xué)計算機(jī)科學(xué)與技術(shù)系和LAMDA教授，博導(dǎo)，主要研究領(lǐng)域為人工智能、機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)。
曾獲2013年全國優(yōu)秀博士學(xué)位論文獎。發(fā)表論文40余篇，包括多篇人工智能、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘國際頂級期刊和頂級會議論文，受邀在IJCAI'18做Early Career Spotlight演講、在IEEE ICA'17做主旨報告。入選2018年全球AI's 10 to Watch，獲2018 PAKDD Early Career Award，并任FCS、Artificial Intelligence等多個一流期刊評審人和IJCAI、ICPR等會議領(lǐng)域主席、程序委員。
錢超，南京大學(xué)人工智能學(xué)院副教授、博導(dǎo)，國家優(yōu)青。目前主要關(guān)注演化算法理論分析、安全演化算法設(shè)計與演化學(xué)習(xí)。作為第一作者在國際一流期刊和會議上發(fā)表二十余篇論文。擔(dān)任IEEE計算智能分會生物啟發(fā)計算理論基礎(chǔ)任務(wù)組主席、IEEE演化計算技術(shù)委員會委員、中國人工智能學(xué)會青工委副秘書長、Memetic Computing編委、JCST和FCS青年副編。獲ACM GECCO’11最佳理論論文獎、IDEAL’16 最佳論文獎，博士論文獲中國人工智能學(xué)會、江蘇省和南京大學(xué)優(yōu)秀博士論文獎。

序 i
主要符號表 iii
第一部分緒論與預(yù)備知識 1
第 1 章緒論 3
1．1 機(jī)器學(xué)習(xí) 3
1．2 演化學(xué)習(xí) 4
1．3 多目標(biāo)優(yōu)化 6
1．4 本書組織 8
第 2 章預(yù)備知識 9
2．1 演化算法 9
2．2 偽布爾函數(shù) 12
2．3 運(yùn)行時間復(fù)雜度 15
2．4 馬爾可夫鏈建模 16
2．5 分析工具 18
第二部分分析方法 23
第 3 章運(yùn)行時間分析：收斂分析法 25
3．1 收斂分析框架 25
3．2 收斂分析應(yīng)用例釋 29
3．3 小結(jié) 33
第 4 章運(yùn)行時間分析：調(diào)換分析法 35
4．1 調(diào)換分析框架 35
4．2 調(diào)換分析應(yīng)用例釋 40
4．3 小結(jié) 43
第 5 章運(yùn)行時間分析方法的比較 45
5．1 分析方法的形式化 45
5．2 調(diào)換分析與適應(yīng)層分析 47
5．3 調(diào)換分析與漂移分析 50
5．4 調(diào)換分析與收斂分析 55
5．5 分析方法綜論 58
5．6 小結(jié) 59
第 6 章近似分析 61
6．1 SEIP 框架 62
6．2 SEIP 應(yīng)用例釋 67
6．3 小結(jié) 70
第三部分理論透視 71
第 7 章邊界問題 73
7．1 邊界問題辨識 74
7．2 案例分析 76
7．3 小結(jié) 80
第 8 章交叉算子 81
8．1 交叉與變異 82
8．2 采用交叉算子的多目標(biāo)演化算法 83
8．3 案例分析 86
8．4 實(shí)驗驗證 92
8．5 小結(jié) 94
第 9 章解的表示 95
9．1 遺傳編程之解表示 96
9．2 案例分析：最大匹配 98
9．3 案例分析：最小生成樹 103
9．4 實(shí)驗驗證 109
9．5 小結(jié) 111
第 10 章非精確適應(yīng)度評估 113
10．1 帶噪優(yōu)化 114
10．2 帶噪適應(yīng)度的影響 115
10．3 抗噪：閾值選擇 119
10．4 抗噪：抽樣 124
10．5 實(shí)驗驗證 130
10．6 小結(jié) 134
第 11 章種群 135
11．1 種群的影響 136
11．2 種群對噪聲的魯棒性 139
11．3 小結(jié) 151
第 12 章約束優(yōu)化 153
12．1 不可行解的影響 154
12．2 帕累托優(yōu)化的效用 160
12．3 小結(jié) 170
第四部分學(xué)習(xí)算法 171
第 13 章選擇性集成 173
13．1 選擇性集成 173
13．2 POSE 算法 175
13．3 理論分析 177
13．4 實(shí)驗測試 182
13．5 小結(jié) 188
第 14 章子集選擇 189
14．1 子集選擇 190
14．2 POSS 算法 194
14．3 理論分析 195
14．4 實(shí)驗測試 199
14．5 小結(jié) 203
第 15 章子集選擇：次模最大化 205
15．1 單調(diào) 次模函數(shù)最大化 206
15．2 PO SM 算法 210
15．3 理論分析 212
15．4 實(shí)驗測試 216
15．5 小結(jié) 223
第 16 章子集選擇：比率最小化 225
16．1 單調(diào)次模函數(shù)的比率最小化 226
16．2 PORM 算法 228
16．3 理論分析 230
16．4 實(shí)驗測試 235
16．5 小結(jié) 236
第 17 章子集選擇：噪聲 237
17．1 帶噪子集選擇 238
17．2 PONSS 算法 244
17．3 理論分析 245
17．4 實(shí)驗測試 248
17．5 小結(jié) 250
第 18 章子集選擇：加速 251
18．1 PPOSS 算法 251
18．2 理論分析 253
18．3 實(shí)驗測試 256
18．4 小結(jié) 258
附錄 A：證明 259
參考文獻(xiàn) 299

你還可能感興趣

我要評論