登入帳戶　 |　訂單查詢　 |　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
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入 新註冊 |　新用戶登記

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / EMS，時效：出貨後2-3日

新書推薦： 《 盗墓笔记之秦岭神树4 》 售價：NT$ 259.0 《 战胜人格障碍 》 售價：NT$ 302.0 《 逃不开的科技创新战争 》 售價：NT$ 467.0 《 漫画三国一百年 》 售價：NT$ 250.0 《 希腊文明3000年（古希腊的科学精神，成就了现代科学之源） 》 售價：NT$ 374.0 《 粤行丛录（岭南史料笔记丛刊） 》 售價：NT$ 374.0 《 岁月待人归：徐悲鸿自述人生艺术 》 售價：NT$ 286.0 《 女人的中国医疗史：汉唐之间的健康照顾与性别 》 售價：NT$ 484.0

內容簡介： 本书是关于神经网络与机器学习的经典教材，完整、详细地讨论了各个主题，并且包含了相关的计算机实验。全书共16章，主要内容包括神经网络的定义、Rosenblatt感知器、回归建模、最小均方算法、多层感知器、核方法和径向基函数网络、支持向量机、正则化理论、主成分分析、自组织映射、信息论学习模型、源于统计力学的随机方法、动态规划、神经动力学、动态系统状态估计的贝叶斯滤波、动态驱动递归网络。本书适合高等院校计算机、电子信息、软件工程、智能工程等专业的高年级本科生和研究生学习使用，也可供相关领域的技术人员参考。 關於作者： Simon Haykin（西蒙·赫金），国际电子电气工程界著名学者，加拿大皇家学会院士，IEEE会士，1953年获得英国伯明翰大学博士学位，现任加拿大麦克马斯特大学教授，在麦克马斯特大学校创办了通信研究实验室并长期担任实验室主任。曾获IEEE McNaughton奖，在神经网络、通信、自适应滤波器等领域成果颇丰，著有多种标准教材。苑希民，男，教授/研究员，博士生导师，天津大学水灾害研究所所长。国家科技创新领军人才评审专家、国家自然科学基金重点基金会评专家、国家科技奖项和科技项目评审专家、中国博士后科学基金评审专家、水利部科技奖项和创新人才团队评审专家、智慧水利试点项目技术专家、省级科技奖项和科技项目评审专家、河北工程大学高层次人才、天津市工程建设价格咨询专家、国际水利学会（IAHR）会员、中国水利学会水力学专业委员会与城市水利专业委员会委员等。长期从事防洪智能减灾与水利信息化研究工作，主要开展防洪减灾安全、洪水风险管理、智慧水利（城市）与大数据分析、流域防汛应急指挥决策、城市防灾减灾规划与防汛预警应急处置、洪水监测预警预报、水流智能模拟计算、水利工程安全监测与智能管理、水库调度与雨洪资源化利用、水资源优化配置、人工智能算法等理论与技术研究。 目錄： 第0章 导言1 0.1 什么是神经网络1 0.2 人类大脑4 0.3 神经元模型6 0.4 视为有向图的神经网络9 0.5 反馈11 0.6 网络结构12 0.7 知识表示15 0.8 学习过程21 0.9 学习任务23 0.10 结语28 注释和参考文献28 第1章 Rosenblatt感知器29 1.1 引言29 1.2 感知器29 1.3 感知器收敛定理30 1.4 高斯环境下感知器与贝叶斯分类器的关系34 1.5 计算机实验：模式分类38 1.6 批量感知器算法40 1.7 小结和讨论41 注释和参考文献42 习题42 第2章 回归建模43 2.1 引言43 2.2 线性回归模型：初步考虑43 2.3 参数向量的最大后验估计45 2.4 正则化最小二乘估计与MAP估计的关系48 2.5 计算机实验：模式分类49 2.6 最小描述长度原理50 2.7 有限样本量考虑52 2.8 工具变量法54 2.9 小结和讨论56 注释和参考文献56 习题56 计算机实验57 第3章 最小均方算法58 3.1 引言58 3.2 LMS算法的滤波结构58 3.3 无约束优化：回顾60 3.4 维纳滤波器64 3.5 最小均方算法65 3.6 描述LMS算法和维纳滤波器偏差的马尔可夫模型67 3.7 朗之万方程：布朗运动的特点67 3.8 库什纳直接平均法68 3.9 小学习率参数的统计LMS学习理论69 3.10 计算机实验I：线性预测71 3.11 计算机实验II：模式分类72 3.12 LMS算法的优缺点73 3.13 学习率退火计划74 3.14 小结和讨论75 注释和参考文献76 习题76 第4章 多层感知器79 4.1 引言79 4.2 一些预备知识80 4.3 批量学习与在线学习81 4.4 反向传播算法83 4.5 异或问题91 4.6 提升反向传播算法性能的启发式算法92 4.7 计算机实验：模式分类96 4.8 反向传播和微分96 4.9 黑塞矩阵及其在在线学习中的作用99 4.10 学习率的最优退火和自适应控制101 4.11 泛化105 4.12 函数逼近106 4.13 交叉验证109 4.14 复杂度正则化和网络修剪112 4.15 反向传播学习的优缺点116 4.16 作为优化问题的监督学习119 4.17 卷积网络129 4.18 非线性滤波130 4.19 小规模和大规模学习问题134 4.20 小结和讨论139 注释和参考文献140 习题141 第5章 核方法和径向基函数网络147 5.1 引言147 5.2 模式可分性的Cover定理147 5.3 插值问题151 5.4 径向基函数网络152 5.5 K均值聚类154 5.6 权重向量的递归最小二乘估计156 5.7 RBF网络的混合学习过程159 5.8 计算机实验：模式分类159 5.9 高斯隐藏单元的解释162 5.10 核回归及其与RBF网络的关系163 5.11 小结和讨论166 注释和参考文献167 习题169 第6章 支持向量机172 6.1 引言172 6.2 线性可分模式的最优超平面172 6.3 不可分模式的最优超平面177 6.4 作为核机器的支持向量机180 6.5 支持向量机的设计182 6.6 异或问题183 6.7 计算机实验：模式分类184 6.8 回归：鲁棒性考虑187 6.9 线性回归问题的最优解187 6.10 表示定理和相关问题190 6.11 小结和讨论194 注释和参考文献195 习题197 第7章 正则化理论201 7.1 引言201 7.2 良态Hadamard条件202 7.3 Tikhonov正则化理论202 7.4 正则化网络209 7.5 广义径向基函数网络210 7.6 再论正则化最小二乘估计213 7.7 关于正则化的其他说明215 7.8 正则化参数估计216 7.9 半监督学习220 7.10 流形正则化：初步考虑220 7.11 微分流形221 7.12 广义正则化理论224 7.13 谱图理论225 7.14 广义表示定理227 7.15 拉普拉斯正则化最小二乘算法228 7.16 半监督学习模式分类实验229 7.17 小结和讨论231 注释和参考文献232 习题234 第8章 主成分分析237 8.1 引言237 8.2 自组织原则237 8.3 自组织的特征分析240 8.4 主成分分析：扰动理论241 8.5 基于Hebb的最大特征滤波器247 8.6 基于Hebb的主成分分析253 8.7 案例研究：图像编码257 8.8 核主成分分析259 8.9 自然图像编码中的基本问题263 8.10 核Hebb算法264 8.11 小结和讨论267 注释和参考文献269 习题271 第9章 自组织映射275 9.1 引言275 9.2 两个基本的特征映射模型276 9.3 自组织映射277 9.4 特征映射的性质282 9.5 计算机实验I：使用SOM求解网格动力学288 9.6 上下文映射289 9.7 分层向量量化291 9.8 核自组织映射294 9.9 计算机实验II：使用核SOM求解网格动力学299 9.10 核SOM与KL散度的关系300 9.11 小结和讨论301 注释和参考文献303 习题304 第10章 信息论学习模型308 10.1 引言308 10.2 熵309 10.3 最大熵原则311 10.4 互信息313 10.5 KL散度315 10.6 Copula函数316 10.7 作为待优化目标函数的互信息319 10.8 最大互信息原则320 10.9 最大互信息与冗余减少323 10.10 空间相干特征325 10.11 空间非相干特征327 10.12 独立成分分析328 10.13 自然图像的稀疏编码与ICA编码比较333 10.14 独立成分分析的自然梯度学习335 10.15 独立成分分析的最大似然估计341 10.16 盲源分离的最大熵学习343 10.17 独立成分分析的负熵的最大化346 10.18 相干独立分量分析351 10.19 率失真理论和信息瓶颈357 10.20 数据的最优流形表示360 10.21 计算机实验：模式分类364 10.22 小结和讨论364 注释和参考文献367 习题372 第11章 源于统计力学的随机方法376 11.1 引言376 11.2 统计力学376 11.3 马尔可夫链378 11.4 Metropolis算法384 11.5 模拟退火385 11.6 吉布斯采样387 11.7 玻尔兹曼机388 11.8 逻辑斯蒂置信网络392 11.9 深度置信网络393 11.10 确定性退火396 11.11 确定性退火和EM算法的类比399 11.12 小结和讨论400 注释和参考文献401 习题402 第12章 动态规划406 12.1 引言406 12.2 马尔可夫决策过程407 12.3 贝尔曼最优准则409 12.4 策略迭代411 12.5 值迭代412 12.6 逼近动态规划：直接法416 12.7 时序差分学习416 12.8 Q学习420 12.9 逼近动态规划：非直接法422 12.10 最小二乘策略评估424 12.11 逼近策略迭代428 12.12 小结和讨论430 注释和参考文献432 习题433 第13章 神经动力学436 13.1 引言436 13.2 动态系统437 13.3 平衡状态的稳定性440 13.4 吸引子444 13.5 神经动力学模型445 13.6 作为递归网络范式的吸引子操作447 13.7 Hopfield模型447 13.8 Cohen-Grossberg定理456 13.9 盒中脑状态模型457 13.10 奇异吸引子与混沌462 13.11 混沌过程的动态重建465 13.12 小结和讨论469 注释和参考文献470 习题472 第14章 动态系统状态估计的贝叶斯滤波474 14.1 引言474 14.2 状态空间模型474 14.3 卡尔曼滤波器477 14.4 发散现象和平方根滤波482 14.5 扩展卡尔曼滤波器486 14.6 贝叶斯滤波器489 14.7 容积卡尔曼滤波器：基于卡尔曼滤波器492 14.8 粒子滤波器496 14.9 计算机实验：扩展卡尔曼滤波器和粒子滤波器的比较502 14.10 卡尔曼滤波在大脑功能建模中的应用504 14.11 小结和讨论505 注释和参考文献507 习题508 第15章 动态驱动递归网络512 15.1 引言512 15.2 递归网络结构512 15.3 通用逼近定理517 15.4 可控性和可观测性518 15.5 递归网络的计算能力521 15.6 学习算法523 15.7 时间反向传播524 15.8 实时递归学习527 15.9 递归网络的梯度消失531 15.10 利用非线性序列状态估计的递归网络监督训练框架534 15.11 计算机实验：Mackay-Glass吸引子的动态重建539 15.12 适应性考虑540 15.13 案例研究：应用于神经控制的模型参考542 15.14 小结和讨论543 注释和参考文献546 习题547 参考文献551

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	香港用户　 |　台灣用户　|　海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.