计算智能与科学配方

前言

第一章绪论

第一节什么是计算智能

一、什么是智能

二、智能科学

三、计算智能与人工智能

四、计算智能与西药快速设计

五、经验科学与经验的科学

第二节什么是机器学习

一、学习：智能之核心

二、什么是机器学习

三、机器如何学习

第三节如何开发智能配方系统

一、智能配方系统的目标

二、系统开发的途径

三、系统开发对企业的要求

第二章产品配方与感觉品质评估

第一节产品质量的感觉评估

一、品酒师

二、感觉系统与感觉评估

三、文化背景的影响

四、物性感知科学

第二节物性的感觉测试技术

一、心理物理学研究

二、评估小组与实验室

三、评估方式

四、感觉测试面临的问题

第三节配方问题的复杂性

一、原料成分的复杂性

二、生态环境影响的复杂性

三、中西药配方的复杂性

四、什么是复杂性？

第四节传统计算方法面临的问题

一、传统数学方法的不足

二、计算智能技术应用动态

第三章神经网络与感觉评估

第一节人工感觉系统

一、传感器：模拟生物感觉器官

二、模拟感觉系统

第二节人工神经网络

一、什么是神经网络

二、与其他方法的比较

第三节多层感知器：通用函数逼近器

一、多层感知器

二、反向传播(BP)学习算法

第四节BP算法的改进

一、学习参数自适应调节

二、激励函数参数自适应调节

三、学习曲线与交叉验证

四、正则化与惩罚项

五、LMBP算法

第五节网络结构优化

一、网络剪裁

二、神经元模型的推广

第六节模糊集与模拟感觉评估

一一、+模糊集

二、模糊数与神经网络

三、模拟评估师.图灵测试

第七节径向基函数网络

一、径向基函数方法

二、RBF网络

第四章知识发现与复杂相关性分析

第一节统计学相关分析能做什么

一、散点图

二、回归与相关分析

三、线性回归分析

四、SPSS统计分析软件

第二节神经网络知识发现概论

一、神经网络结构分析

二、神经网络功能模拟

三、利用阶梯样本提取知识

第三节神经网络暗箱打开了吗？

一、ANN与模糊规则基的等价性

二、IRIS分类问题

三、打开ANN暗箱

第四节网络剪裁与激励函数片线性分析

一、分段线性逼近

二、规则生成算法

三、多种方法难分高下

第五节网络权值分析与内部知识提取

一、MLP分类器

二、MLP函数逼近器的内部行为

三、S型函数的半线性分析

第六节信息扩散与模糊信息优化

一、信息扩散原理

二、模糊变换散点图

三、产品属性与原料成分关系图

第七节决策树归纳学习

一、用实例归纳决策树

二、模型树

三、模型树M5’算法

四、啤酒属性Y，与成分的相关分析

五、烟叶成分与感觉评估和烟气指标相关分析

六、烟叶感觉评估指标与烟气指标预测

第五章模式识别与原料分类

第一节实例启动的学习

一、k-近邻分类法

二、距离加权最近邻算法

三、学习方式：被动与主动、局部与全体

第二节模糊c-均值聚类

一、c-均值聚类

二、模糊c-均值聚类

第三节自组织映射何以能拓扑保序

一、仿生模式识别与SOM

二、SOM算法要点

三、两类模拟弹性力

四、弹性网的变形与保序

五、改进SOM用于原配料分类

第四节MLP：模糊线性分类器

一、模糊线性判别函数(F-LDF)

二、MLP：模糊线性分类器

三、隐层权向量的初始化

四、最优分类超平面

第六章支持向量机方法

第一节统计学习与支持向量机

一、如何提高学习机的推广能力

二、VC维与结构风险最小化

三、SVM的基本思想

第二节线性SVM模式分类器

一、最优超平面与支持向量

二、线性不可分问题求解

三、SVM模式分类器

第三节SVM回归分析

一、ε-不敏感误差函数

二、SVM非线性回归

三、SVM回归分析的特点

第四节几种算法性能比较

一、SVM方法之优劣

二、最小二乘SVM

三、SVM模拟感觉评估

四、多种算法性能比较：手写体数字识别

第七章进化计算配方寻优方法

第一节什么是进化计算

一、生物进化的启示

二、进化算法概述

第二节遗传算法的基本操作

一、编码(基因链码、染色体)

二、个体与群体

三、适应度函数

四、基本遗传算子

第三节进化算法与配方寻优

一、新药的快速发现

二、卷烟配方问题

三、叶组配方设计

第四节多种群遗传算法

一、多种群遗传算法要点

二、进化神经网络

三、实验验证

第五节遗传算法普适性质疑

一、模式定理

二、基因组成长假设

第八章计算智能的若干哲理

第一节没有包治百病的药

一、没有免费的午餐定理

二、丑小鸭定理

三、利于治疗许多病的药

第二节经验、直觉与算法

一、算法的局限性

二、先验知识的关键作用

第三节有从特殊到特殊的直推吗

一、归纳+演绎的推理

二、SVM是从样本到样本的直推吗？

第九章人机交互智能配方系统

第一节集体学习

一、什么是集体学习

二、分而治之的策略

第二节与领域专家经验相结合

一、建立专家知识库

二、人机交互的配方优化过程

第三节多种算法集成

一、什么是多种算法集成

二、多算法集成的另一实例

第四节配方系统与现代集成制造系统

一、智能配方系统结构

二、配方系统融入企业信息化大系统

三、从经验配方到科学配方

参考文献

致谢

　　近20年来，世界计算智能理论与应用有了长足的进步，计算智能技术已经在企业管理与预警、市场与客户分析、药设计、产品配方与感官质量评估等领域得到了广泛应用，有力地推动了科技和经济社会的发展。相对国际水平而言，国内在计算智能实际应用领域比较落后，应予以特殊关注。本书视计算智能为经验的科学，基于实例与经验，以解决复杂的实际问题为目标。全书从新视角论述计算智能为经验的科学，阐明计算智能的基本原理、概念和如何变经验配方为科学配方。书中简明阐述了改进模糊集方法、神经网络、支持向量机、进化计算和模型树等计算智能理论与方法；以产品配方，感觉品质评估和药设计为例，提出了将经验配方上升为科学配方的方法，介绍了智能配方系统开发途径与系统设计。本书适合大众读者阅读，特别是那些对计算智能或人工智能有兴趣的学者、科技工作者、大学师生，关注产品配方及感官质量评估的相关企业的领导、工程师、技师和技术人员。　　智能科学的意义在于它大大扩展了科学技术的作用范围。本书以全新视角分析如何用计算智能方法去解决原来主要凭专业人员经验解决的高度复杂的生产实践问题，审视计算智能的基本原理、概念和应用途径；重点研究模糊集表达人对配方产品的感觉品质评估，神经网络模拟感觉评估，模糊c-均值方法和Kohonen网络聚类，支持向量机对配方原料的分类和相关性分析，进化计算配方寻优，神经网络、模糊信息优化处理和模型树等知识发现方法等。以卷烟和啤酒等产品配方及药物配方为例，分析智能配方系统的设计思想和开发方略。　　本书为关注计算智能理论与实践的人们而写，也可用作信息科学与技术学科和食品、饮料、医药等专业教学参考书，为相关企业技术人员与管理者提供新的思路和方法。