0去购物车结算
购物车中还没有商品,赶紧选购吧!
当前位置: 图书分类 > 信息技术 > 计算机理论 > 分布式优化、学习理论与方法

相同语种的商品

浏览历史

分布式优化、学习理论与方法


联系编辑
 
标题:
 
内容:
 
联系方式:
 
  
分布式优化、学习理论与方法
  • 书号:9787030597649
    作者:陈为胜
  • 外文书名:
  • 装帧:平装
    开本:B5
  • 页数:186
    字数:252000
    语种:zh-Hans
  • 出版社:科学出版社
    出版时间:2019-01-01
  • 所属分类:
  • 定价: ¥90.00元
    售价: ¥71.10元
  • 图书介质:
    纸质书

  • 购买数量: 件  可供
  • 商品总价:

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

本书旨在介绍作者及其研究团队在分布式优化与学习理论方面的最新研究成果。全书共7章,第1、2章为绪论和相关数学基础;第3、4章为连续时间和基于采样数据的分布式优化算法;第5、6章分别为基于群体智能的分布式优化算法和分布式机器学习算法;第7章为基于自适应神经网络输出反馈控制的分布式合作学习方案设计。本书主要关注从分布式技术中总结出来的理论与方法方面的问题,但相关研究结论可以为解决通信网络、电网、燃气网、交通网等相关的网络优化问题提供借鉴和指导。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页
用户名: 匿名用户
E-mail:
咨询内容:

目录

  • 目录
    前言
    符号表
    缩略语表
    第1章 绪论 1
    1.1 分布式优化理论 1
    1.1.1 多智能体系统的分布式凸优化 2
    1.1.2 几类经典的分布式优化算法 3
    1.1.3 通信环境对分布式优化的影响 8
    1.2 分布式学习理论 15
    1.2.1 分布式机器学习 15
    1.2.2 分布式合作自适应 16
    1.3 本书内容安排 17
    第2章 数学基础知识 18
    2.1 图论相关知识 18
    2.1.1 代数图论 18
    2.1.2 固定拓扑 19
    2.1.3 时变拓扑 21
    2.2 克罗内克积 22
    2.3 模糊逻辑系统 22
    2.4 分布式一致性理论 23
    2.4.1 一致性理论和合作策略 23
    2.4.2 多智能体系统的一致性 24
    2.4.3 分布式平均一致性 24
    2.5 系统稳定性理论 25
    2.6 Zeno现象 29
    2.7 凸优化相关知识 29
    2.8 径向基函数神经网络 31
    2.9 重要引理 32
    第3章 连续时间分布式优化算法 34
    3.1 引言 34
    3.2 固定拓扑连续时间分布式优化算法 36
    3.2.1 零梯度和算法 37
    3.2.2 基于分布式事件驱动通信的零梯度和算法 38
    3.3 时变拓扑连续时间分布式优化算法 41
    3.4 收敛性分析 43
    3.4.1 固定拓扑情形 43
    3.4.2 时变拓扑情形 50
    3.5 数值仿真 59
    3.5.1 固定拓扑情形 59
    3.5.2 时变拓扑情形 65
    3.6 本章小结 76
    第4章 基于采样数据的分布式优化算法 77
    4.1 引言 77
    4.2 基于采样数据的周期零梯度和算法 78
    4.2.1 算法设计 78
    4.2.2 收敛性分析 80
    4.3 基于采样数据的事件驱动零梯度和算法 81
    4.3.1 算法设计 82
    4.3.2 收敛性分析 85
    4.4 数值仿真 90
    4.5 本章小结 97
    第5章 基于群体智能的分布式优化算法 99
    5.1 引言 99
    5.2 基于群体智能的分布式优化框架 101
    5.3 分布式粒子群优化算法 102
    5.3.1 一致性搜索 106
    5.3.2 一致性评价 109
    5.3.3 粒子群合作演化 110
    5.3.4 局部终止规则 111
    5.4 数值仿真 113
    5.4.1 实验1:小规模的无向/有向网络 113
    5.4.2 实验2:大规模网络 120
    5.5 本章小结 122
    第6章 分布式机器学习算法 124
    6.1 引言 124
    6.2 基于模糊逻辑系统的分布式合作学习算法 125
    6.2.1 问题描述 125
    6.2.2 算法描述 127
    6.3 分布式学习算法比较 133
    6.3.1 现有分布式学习算法 133
    6.3.2 五种分布式学习算法的比较 136
    6.4 应用与软件实现 137
    6.4.1 回归问题 140
    6.4.2 分类问题 144
    6.5 本章小结 148
    第7章 基于自适应神经网络输出反馈控制的分布式合作学习 149
    7.1 引言 149
    7.2 自适应神经网络输出反馈控制器设计 150
    7.3 分布式合作学习方案 152
    7.4 闭环系统稳定性和神经网络学习能力 153
    7.5 数值仿真 160
    7.6 本章小结 169
    参考文献 170
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证