新書推薦：
《
寻路：走向西南联大（西南联大文库）
》
售價：NT$
302.0
《
短视频Vlog全流程：镜头脚本+运镜技巧+场景主题+后期剪辑
》
售價：NT$
406.0
《
英国小史
》
售價：NT$
426.0
《
影响力原则
》
售價：NT$
354.0
《
德川家康（全十三册）（他用30年活了下来，建立起300年基业）
》
售價：NT$
4155.0
《
新知文库·动人的北平
》
售價：NT$
155.0
《
银色瀑布：美国兵工厂与中途岛海战
》
售價：NT$
359.0
《
乔丹法则
》
售價：NT$
363.0
|
| 內容簡介： |
|
该书系统地论述了人工神经网络的主要理论、设计基础及应用实例，旨在使读者理解和熟悉神经网络的基本原理和主要应用，掌握它的结构和设计应用方法，为深入研究和应用开发打下基础。为了便于读者理解，书中尽量避免烦琐的数学推导，加强了应用举例，并在内容的选择和编排上注意到读者初次接触新概念的易接受性和思维的逻辑性，也注意引入目前神经网络研究领域的前沿知识如深度网络等。为便于读者能将理论转化为应用，在主要章节的后都给出了MATLAB的应用例子，并对程序和结果进行了详细的讲解。
|
| 目錄：
|
●前言
第1章绪论1
1.1人工神经网络概述1
1.1.1人脑与计算机信息处理能力的比较2
1.1.2人脑与计算机信息处理机制的比较3
1.1.3什么是人工神经网络4
1.2人工神经网络发展简史5
1.2.1启蒙时期5
1.2.2低潮时期7
1.2.3复兴时期8
1.2.4新时期9
1.2.5海量数据时代12
1.2.6国内研究概况12
1.3神经网络的基本特征与功能13
1.3.1神经网络的基本特点13
1.3.2神经网络的基本功能13
1.4神经网络的应用领域15
1.41信息处理领域15
1.4.2自动化领域16
1.4.3工程领域16
1.4.4医学领域17
1.4.5经济领域17
本章小结18
习题19
第2章人工神经网络建模基础20
2.1脑的生物神经系统概述20
2.1.1人体神经系统的构成20
2.1.2高级中枢神经系统的功能21
2.1.3脑组织的分层结构22
2.2生物神经网络基础23
2.2.1生物神经元的结构23
2.2.2生物神经元的信息处理机理24
2.3人工神经元模型26
2.3.1神经元的建模26
2.3.2神经元的数学模型27
2.3.3神经元的变换函数28
2.4人工神经网络模型30
2.4.1网络拓扑结构类型30
2.4.2网络信息流向类型31
2.5神经网络学习32
2.5.1Hebbian学习规则34
2.5.2离散感知器学习规则35
2.5.3连续感知器学习规则36
2.5.4最小方均学习规则37
2.5.5相关学习规则38
2.5.6胜者为王学习规则38
2.5.7外星学习规则38
本章小结40
习题40
第3章感知器神经网络42
3.1单层感知器42
3.1.1感知器模型42
3.1.2感知器的功能43
3.1.3感知器的局限性45
3.1.4感知器的学习算法45
3.2多层感知器47
3.3自适应线性单元简介49
3.3.1ADALINE模型49
3.3.2ADALINE学习算法49
3.3.3ADALINE应用51
3.4误差反传算法51
3.4.1基于BP算法的多层感知器模型52
3.4.2BP学习算法53
3.4.3BP算法的程序实现56
3.4.4多层感知器的主要能力57
3.4.5误差曲面与BP算法的局限性58
3.5标准BP算法的改进59
3.5.1增加动量项59
3.5.2自适应调节学习率59
3.5.3引入陡度因子60
3.6基于BP算法的多层感知器设计基础60
3.6.1网络信息容量与训练样本数60
3.6.2训练样本集的准备61
3.6.3初始权值的设计64
3.6.4多层感知器结构设计65
3.6.5网络训练与测试66
3.7基于BP算法的多层感知器应用与设计实例67
3.7.1基于BP算法的多层感知器用于催化剂配方建模67
3.7.2基于BP算法的多层感知器用于汽车变速器很好挡位判定68
3.7.3基于BP算法的多层感知器用于图像压缩编码69
3.7.4基于BP算法的多层感知器用于水库优化调度69
3.8基于MATLAB的BP网络应用实例70
3.8.1BP网络用于数据拟合70
3.8.2BP网络用于鸢尾花分类问题72
扩展资料76
本章小结77
习题77
第4章自组织竞争神经网络80
4.1竞争学习的概念与原理80
4.1.1基本概念80
4.1.2竞争学习原理82
4.2自组织特征映射神经网络84
4.2.1SOFM网的生物学基础85
4.2.2SOFM网的拓扑结构与权值调整域85
4.2.3自组织特征映射网的运行原理与学习算法86
4.2.4SOFM网的设计基础90
4.2.5应用与设计实例92
4.3学习向量量化神经网络95
4.3.1向量量化95
4.3.2LVQ网络结构与工作原理96
4.3.3LVQ网络的学习算法97
4.4对偶传播神经网络98
4.4.1网络结构与运行原理98
4.4.2CPN的学习算法99
4.4.3改进的CPN网100
4.4.4CPN网的应用
4.5自适应共振理论网络
4.51ARTⅠ型网络
4.5.2ARTⅡ型网络
4.6基于MATLAB的SOM网络聚类实例
扩展资料
本章小结
习题
第5章径向基函数神经网络
5.1基于径向基函数技术的函数逼近与内捕
5.1.1插值问题描述
5.1.2径向基函数技术解决插值问题
5.1.3接近内插存在的问题
5.2正则化理论与正则化RBF网络
5.2.1正则化理论
5.2.2正则化RBF网络
5.3模式可分性观点与广义RBF网络
5.3.1式的可分性
5.3.2广义RBF网络
5.4RBF网络常用学习算法
5.4.1数据中心的聚类算法
5.4.2数据中心的监督学习算法
5.5RBF网络与多层感知器的比较
5.6RBF网络的设计与应用实例
5.6.1RBF网络在液化气销售量预测中的应用
5.6.2RBF网络在地表水质评价中的应用
5.6.3RBF网络在汽油干点软测量中的应用
5.7基于MATLAB的RBF网络应用实例
扩展资料
本章小结
习题
第6章反馈神经网络
6.1离散型Hopfield神经网络
6.1.1网络的结构与工作方式
6.1.2网络的稳定性与吸引子
6.1.3网络的权值设计
6.1.4网络的信息存储容量
6.2连续型Hopfield神经网络
6.2.1网络的拓朴结构
6.2.2能量函数与稳定性分析
6.3Hoprield网络应用与设计实例
6.3.1应用DHNN网解决联想问题
6.3.2应用CHNN网解决优化计算问题
6.4双向联想记忆神经网络
6.4.1BAM网结构与原理
6.4.2能量函数与稳定性
6.43BAM网的权值设计
6.4.4BAM网的应用
6.5随机神经网络
6.5.1模拟退火原理
6.5.2玻尔兹曼机
扩展资料
本章小结
习题
第7章小脑模型神经网络
7.1CMAC网络的结构
7.2CMAC网络的工作原理
7.2.1从X到M的映射
7.2.2从M到A的映射
7.2.3从A到AP的映射
7.2.4从AP到F的映射
7.3CMAC网络的学习算法
7.4CMAC网络的应用
扩展资料
第8章深度神经网络
8.1深度神经网络框架
8.1.1选择深层模型的原因
8.1.2深度网络的训练算法
8.1.3深度学习的软件工具及平台
8.2受限玻尔兹曼机和深度置信网
8.2.1受限玻尔兹曼机的基本结构
8.2.2受限玻尔兹曼机的能量模型和似然函数
8.2.3很优参数的梯度计算
8.2.4基于对比散度的快速算法
8.2.5深度置信网络
8.3卷积神经网络
8.3.1卷积神经网络基本概念及原理
8.3.2卷积神经网络完整模型
8.3.3CNN的学习
8.3.4CNN应用
8.4堆栈式自动编码器
8.4.1自编码算法与稀疏性
8.4.2栈式自动编码器
8.4.3栈式自编码网络在手写数字分类中的应用
扩展资料
本章小结
习题
第9章支持向量机
9.1支持向量机的基本思想
9.1.1很优超平面的概念
9.1.2线性可分数据很优超平面的构建
9.1.3非线性可分数据很优超平面的构建
9.2非线性支持向量机
9.2.1基于内积核的很优超平面
9.2.2非线性支持向量机神经网络
9.3支持向量机的学习算法
9.4支持向量机设计应用实例
9.4.1XOR问题
9.4.2人工数据分类
9.4.3手写体阿拉伯数字识别
9.5基于MATLAB的支持向量机分类
扩展资料
本章小结
习题
第10章遗传算法与神经网络进化
10.1遗传算法的原理与特点
10.1.1遗传算法的基本原理
10.1.2遗传算法的特点
10.2遗传算法的基本操作与模式理论
10.2.1遗传算法的基本操作
10.2.2遗传算法的模式理论
10.3遗传算法的实现与改进
10.3.1编码问题
10.3.2初始种群的产生
10.3.3适应度的设计
10.3.4遗传算法的操作步骤
10.3.5遗传算法中的参数选择
10.3.6遗传算法的改进
10.4遗传算法在神经网络设计中的应用
10.4.1遗传算法用于神经网络的权值优化
10.4.2遗传算法用于神经网络的结构优化
本章小结
习题
第11章神经网络系统设计与软硬件实现
11.1神经网络系统总体设计
11.1.1神经网络的适用范围
11.1.2神经网络的设计过程与需求分析
11.13神经网络的性能评价
11.1.4输入数据的预处理
11.2神经网络的软件实现
11.3神经网络的高级开发环境
11.3.1神经网络的开发环境及其特征
11.3.2MATLAB神经网络工具箱
11.3.3其他神经网络开发环境简介
11.4神经网络的硬件实现
11.4.1概述
11.4.2神经元器件
11.4.3神经网络系统结构
11.4.4神经网络的光学实现
扩展资料
本章小结
习题
第12章人工神经系统
12.1人工神经系统的基本概念
12.1.1生物神经系统
12.1.2人工神经系统
12.2人工神经系统的体系结构
12.2.1高级中枢神经系统
12.2.2低级中枢神经系统
12.2.3外周神经系统
12.3人工神经系统的控制特性
12.3.1神经快速、分区控制系统
12.3.2体液慢速、分工控制系统
12.3.3人体神经控制系统
12.4人工神经系统的信息模式
12.4.1“数字-模拟”混合信息模式
12.4.2“串行-并行”兼容信息模式
12.4.3“集中-分散”结合信息模式
12.5人工神经系统的应用示例
12.5.1拟人智能综合自动化系统
12.5.2人工鱼的总体技术方案
本章小结
习题
参考文献
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
