神經計算與生長自組織網絡

定　價：￥28.90

作　者：	程國建編著
出版社：	西安交通大學出版社
叢編項：
標　簽：	人工智能

購買這本書可以去

ISBN：	9787560529790	出版時間：	2008-10-01	包裝：	平裝
開本：	大32開	頁數：	242	字數：

內容簡介

　　《神經計算與生長自組織網絡》分前后兩個部分。前一部分主要討論神經計算的基本概念原理及幾個主要的神經網絡模型。包括神經計算概述、人工神經網絡的基本結構及其特性、神經感知器、自適應線性元件、多層前饋神經網絡、徑向基函數網絡等。后一部分是作者在德國圖賓根大學攻讀博士學位期間及近來的一些研究成果。具體內容包括古典變拓撲神經網絡、自組織變拓撲神經網絡、生長神經元結構及其變種、外生長型神經元結構、多生長神經元結構、雙生長神經氣網絡等。全書內容取材新穎，主題專一，深入淺出，注重算法的理論依據、應用思路及應用效果，體現(xiàn)了國內外在該領域的最新研究成果?！渡窠浻嬎闩c生長自組織網絡》可作為從事計算智能、機器學習、模式識別、數據挖掘、信息可視化等研究的科研人員的參考資料，也可作為高等院校相關專業(yè)的教師、碩士研究生及博士研究生的專業(yè)參考書。

作者簡介

　　程國建，男，副教授，碩士生導師，1964年出生，籍貫陜西，德國圖賓根大學（Tubingen Universitat）理學博士（Dr.rer.nat.）。于1997年3月至2002年2月留學德國圖賓根大學，師從國際知名的人工神經網絡專家Andreas Zell教授。2001年11月份通過博士論文答辯及畢業(yè)考試，獲理學博士學位。留學期間在重要學術期刊（如《神經計算及應用》）及國際學術會議上發(fā)表多篇學術研究論文，主要學術貢獻是提出了多神經元細胞生長、外細胞生長、雙神經氣生長等自組織神經網絡結構模型，改善了自組織學習的精度及收斂速度。撰寫的英文版博士論文《自組織變拓撲神經網絡之生長型學習》也于2002年由德國Shaker出版社出版。

圖書目錄

第1章神經計算概述
1.1 神經計算的基本原理與發(fā)展簡史
1.2 神經計算的生物學機理
1.2.1 生物神經元及其結構
1.2.2 人工神經網絡的定義
1.2.3 人工神經網絡究竟可以做什么
1.3 人工神經網絡的典型特征
1.4 人工神經網絡模型
1.5 人工神經網絡的學習規(guī)則
第2章人工神經網絡的基本結構及其特性
2.1 生物神經元的抽象模型
2.2 人工神經元模型
2.3 激勵函數類型
2.4 神經元的層次排列
2.5 多層前向神經網絡
2.6 神經網絡的靜態(tài)系統(tǒng)與動態(tài)系統(tǒng)
2.6.1 連續(xù)時間動態(tài)系統(tǒng)
2.6.2 離散時間動態(tài)系統(tǒng)
2.6.3 一個連續(xù)時間正弦信號發(fā)生器
2.6.4 一個離散時間正弦信號發(fā)生器
2.7 神經網絡的學習過程
第3章神經感知器
3.1 感知器的數學模型
3.2 感知器作為模式分類器
3.3 具有三個突觸的感知器實例
3.4 感知器的權值選擇
3.5 感知器學習規(guī)則
3.6 一個修正的感知器學習規(guī)則
3.7 平面與立方體相交的一個二維實例
第4章自適應線性元件
4.1 自適應線性元件概述
4.2 對一個戶變量函數的線性逼近
4.3 最陡梯度下降法
4.4 LMS學習規(guī)則
4.5 序貫遞歸算法
第5章多層前饋神經網絡
5.1 多層前饋神經網絡概述
5.2 多層感知器
5.3 誤差的反向傳播
5.4 單隱層感知器的BP算法
5.4.1 輸出層計算
5.4.2 隱層計算
5.5 MLP的一個圖像編碼應用實例
第6章徑向基函數網絡
6.1 徑向基函數網絡概述
6.2 RBF網絡的基本理論
6.3 RBF網絡結構
6.4 RBF網絡的學習算法
6.5 RBF神經網絡小結
第7章古典生長型神經網絡
7.1 引言
7.2 離散型生長神經網絡
7.2.1 堆砌式網絡
7.2.2 寶塔式網絡
7.2.3 爆發(fā)式網絡
7.3 連續(xù)型生長神經網絡
7.3.1 約束庫倫能量網絡
7.3.2 級聯(lián)神經網絡
7.3.3 資源配置網絡
7.4 小結
7.5 附注--Pocket算法
第8章生長型自組織神經網絡
8.1 競爭學習律
8.2 自組織映射網絡
8.2.1 自組織映射網絡之拓撲
8.2.2 自組織映射網絡學習算法
8.3 其他自組織映射模型
8.3.1 學習矢量量化
8.3.2 動態(tài)學習矢量量化
8.3.3 內插型自組織映射
8.4 生長自組織映射網絡
8.4.1 自組織表面
8.4.2 演化自組織映射
8.4.3 增量式網格生長
8.4.4 生長層次自組織映射
第9章生長神經元結構及其變種
9.1 引言
9.2 生長神經元模型
9.2.1 GCS網絡拓撲
9.2.2 GCS學習算法
9.2.3 監(jiān)督學習生長神經元結構
9.3 動態(tài)神經元結構
9.3.1 動態(tài)神經元結構機理
9.3.2 動態(tài)神經元結構算法描述
9.3.3 討論
9.4 樹型生長神經元結構
9.4.1 TreeGCS網絡拓撲
9.4.2 TreeGCS算法描述
9.4.3 討論
9.5 概率生長神經元結構
9.5.1 數學背景
9.5.2 PGCS算法描述
9.5.3 討論
9.6 附注--Voronoi棋盤及Delaunay三角形剖分
第10章外生長型神經元結構
10.1 引言
10.2 外生長神經元結構機理
10.2.1 EGCS的凸權外長
10.2.2 EGCS的凹權外長
10.2.3 外生長神經元結構的兩個變種
10.3 外生長神經元結構的監(jiān)督學習
10.4 二維外生長神經元結構監(jiān)督學習算法描述
10.5 對EGCS的測試
10.5.1 測試1--雙螺旋問題
10.5.2 測試2--基于聲納的巖石分類
10.6 對化學氣體傳感器的數據評價
10.6.1 咖啡品牌識別
10.6.2 甲苯、辛烷、丙醇及其混合物濃度預測
10.7 小結
第11章多生長神經元結構
11.1 引言
11.2 多生長神經元結構機理
11.2.1 多生長神經元結構的監(jiān)督學習
11.2.2 Voronoi域的計算
11.3 二維監(jiān)督型多生長神經元結構算法描述
11.4 對多生長神經元結構的測試
11.4.1 測試1--雙螺旋問題
11.4.2 測試2--基于聲納的巖石分類
11.5 用多生長神經元結構求解模式識別問題
11.5.1 玻璃鑒別問題
11.5.2 馬病診斷問題
11.5.3 大豆病蟲害識別
11.5.4 信用卡認定預測
第12章　雙生長神經氣網絡
12.1 神經氣網絡
12.2 生長神經氣算法
12.2.1 生長神經氣網絡拓撲
12.2.2 生長神經氣學習算法
12.2.3 生長神經氣網絡主要特征
12.3 雙生長神經氣網絡
12.3.1 雙生長神經氣機理
12.3.2 雙生長神經氣的監(jiān)督學習
12.4 二維監(jiān)督生長神經氣算法描述
12.5 雙生長神經氣網絡測試
12.6 雙生長神經氣用于疾病診斷
12.6.1 Wisconsin乳腺癌診斷
12.6.2 大豆病蟲害鑒別問題
12.7 附注--競爭Hebb學習
參考文獻