第17届国际人工智能与软计算会议论文集：神经网络与进化算法应用

"Artificial Intelligence and Soft Computing 17th International Conference, Part I" 是一本包含140篇经过审稿的全论文集，聚焦于神经网络及其应用、进化算法及其应用以及模式分类等主题。这本书是2018年在波兰扎科帕内举行的第17届国际人工智能和软计算会议的成果。 本书涵盖了一系列与人工智能和软计算相关的深入研究，包括但不限于以下章节： 1. 提出了一种神经元突触前囊泡中的信号处理三维模型，探讨了神经网络中信号传输的机制。 2. 对Levenberg-Marquardt算法进行了并行修改，旨在提高算法的效率和性能。 3. 分析了基于Parzen的广义回归神经网络应用于流数据的全局收敛性，讨论了其在处理实时数据时的优势。 4. 使用协方差学习建模说话人的变异性，以提高语音识别的准确性和鲁棒性。 5. 设计了一种具有双向白化功能的神经网络模型，增强了网络对复杂输入的适应能力。 6. 提出了一种基于块匹配的无人机避障方法，利用计算机视觉技术实现智能导航。 7. 将原型基核应用于极端学习机和径向基函数网络，改进了机器学习模型的泛化能力。 8. 提出了一个基于动机学习因素的环境适应监督的监督神经网络学习方法，优化了学习过程。 9. 基于循环神经网络的自动关联签名验证，提高了身份验证的安全性。 10. 利用宽残差网络进行美国手语字母识别，提升了手语识别的准确度。 11. 研究了神经网络饱和度减少的问题，以防止网络性能下降。 12. 探讨了归一化径向基函数网络的学习和收敛特性，为网络设计提供了理论支持。 13. 将多孔硅基光电子元件作为分子神经网络中的连接权重，实现了新型的神经计算模型。 14. 提出数据依赖的自适应视频序列预测和分类方法，提高了时间序列分析的精度。 15. 利用机器学习模型进行多步电力负荷预测，有助于能源管理决策。 16. 应用深度Q网络和奖励分布进行强化学习，优化了决策制定。 17. 自主认知代理中的动机强化学习，通过自我发展知识来提高学习效果。 18. 利用神经网络进行公司破产预测，为金融风险评估提供工具。 19. 通过减少RBF网络的软模式来提升性能，简化网络结构。 20. 提出一种嵌入式支持向量机分类器用于移动机器人定位，结合灰度共生矩阵增强了定位精度。 21. 利用奇异区域学习RBF网络的新方法，改善了网络训练的效率。 22. 采用FPGA设备实现的循环存储池计算，优化了信道均衡任务。 23. 将离散余弦变换应用于卷积神经网络的谱池化层，提升了特征提取能力。 24. 极值模型在机器学习集成中的应用，用于衡量波动性。 25. 结合RBF层的深度网络防止对抗性示例，增强了模型的鲁棒性。 26. 将强化学习应用于堆叠自编码器深度网络架构优化，提高了网络性能。 27. 提出了一种基于多动态染色体模式的优化算法，解决了实际优化问题。 28. 比较了八种生物启发式算法在解决优化问题上的表现。 29. 应用CMAES算法解决铝阳极氧化厂的机器人流动车间调度问题，考虑无等待约束。 30. 迁移的适应性差分进化算法在现实世界问题中的应用，展示了其在优化问题上的潜力。 31. 比较粒子群优化算法在基于价格的需求响应中的应用，分析了不同策略的优劣。 32. 多目标优化问题的优化过程可视化，有助于理解算法行为。 33. 多目标优化中的约束处理方法比较，为优化算法选择提供了指导。 34. 利用遗传编程进行乳腺密度等级分类，提高了医疗图像分析的准确性。 35. 通过差分进化进行无监督图像聚类的特征选择，降低了计算复杂度。 36. 单阶段批量过程调度问题的研究，探索了解决方案的设计与优化。 这些章节详细展示了人工智能和软计算领域的最新研究进展，涵盖了从神经网络、进化算法到模式识别和优化问题等多个子领域，对于科研人员和工程师来说是一份宝贵的学习资源。