人工神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用

定　價(jià)：￥39.80

作　者：	韓力群著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787111559443	出版時(shí)間：	2017-07-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	271	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　該書(shū)系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡(luò)的主要理論、設(shè)計(jì)基礎(chǔ)及應(yīng)用實(shí)例，旨在使讀者理解和熟悉神經(jīng)網(wǎng)絡(luò)的基本原理和主要應(yīng)用，掌握它的結(jié)構(gòu)和設(shè)計(jì)應(yīng)用方法，為深入研究和應(yīng)用開(kāi)發(fā)打下基礎(chǔ)。為了便于讀者理解，書(shū)中盡量避免煩瑣的數(shù)學(xué)推導(dǎo)，加強(qiáng)了應(yīng)用舉例，并在內(nèi)容的選擇和編排上注意到讀者初次接觸新概念的易接受性和思維的邏輯性，也注意引入目前神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域的前沿知識(shí)如深度網(wǎng)絡(luò)等。為便于讀者能將理論轉(zhuǎn)化為應(yīng)用，在主要章節(jié)的后都給出了MATLAB的應(yīng)用例子，并對(duì)程序和結(jié)果進(jìn)行了詳細(xì)的講解。

作者簡(jiǎn)介

暫缺《人工神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用》作者簡(jiǎn)介

圖書(shū)目錄

前言
第1 章　緒論 1
1. 1　人工神經(jīng)網(wǎng)絡(luò)概述 1
1. 1. 1　人腦與計(jì)算機(jī)信息處理能力的
比較 2
1. 1. 2　人腦與計(jì)算機(jī)信息處理機(jī)制的
比較 3
1. 1. 3　什么是人工神經(jīng)網(wǎng)絡(luò) 4
1. 2　人工神經(jīng)網(wǎng)絡(luò)發(fā)展簡(jiǎn)史 5
1. 2. 1　啟蒙時(shí)期 5
1. 2. 2　低潮時(shí)期 7
1. 2. 3　復(fù)興時(shí)期 8
1. 2. 4　新時(shí)期 9
1. 2. 5　海量數(shù)據(jù)時(shí)代 12
1. 2. 6　國(guó)內(nèi)研究概況 12
1. 3　神經(jīng)網(wǎng)絡(luò)的基本特征與功能 13
1. 3. 1　神經(jīng)網(wǎng)絡(luò)的基本特點(diǎn) 13
1. 3. 2　神經(jīng)網(wǎng)絡(luò)的基本功能 13
1. 4　神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域 15
1. 4 1　信息處理領(lǐng)域 15
1. 4. 2　自動(dòng)化領(lǐng)域 16
1. 4. 3　工程領(lǐng)域 16
1. 4. 4　醫(yī)學(xué)領(lǐng)域 17
1. 4. 5　經(jīng)濟(jì)領(lǐng)域 17
本章小結(jié) 18
習(xí)題 19
第2 章　人工神經(jīng)網(wǎng)絡(luò)建?；A(chǔ) 20
2. 1　腦的生物神經(jīng)系統(tǒng)概述 20
2. 1. 1　人體神經(jīng)系統(tǒng)的構(gòu)成 20
2. 1. 2　高級(jí)中樞神經(jīng)系統(tǒng)的功能 21
2. 1. 3　腦組織的分層結(jié)構(gòu) 22
2. 2　生物神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 23
2. 2. 1　生物神經(jīng)元的結(jié)構(gòu) 23
2. 2. 2　生物神經(jīng)元的信息處理機(jī)理 24
2. 3　人工神經(jīng)元模型 26
2. 3. 1　神經(jīng)元的建模 26
2. 3. 2　神經(jīng)元的數(shù)學(xué)模型 27
2. 3. 3　神經(jīng)元的變換函數(shù) 28
2. 4　人工神經(jīng)網(wǎng)絡(luò)模型 30
2. 4. 1　網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)類型 30
2. 4. 2　網(wǎng)絡(luò)信息流向類型 31
2. 5　神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) 32
2. 5. 1　Hebbian 學(xué)習(xí)規(guī)則 34
2. 5. 2　離散感知器學(xué)習(xí)規(guī)則 35
2. 5. 3　連續(xù)感知器學(xué)習(xí)規(guī)則 36
2. 5. 4　最小方均學(xué)習(xí)規(guī)則 37
2. 5. 5　相關(guān)學(xué)習(xí)規(guī)則 38
2. 5. 6　勝者為王學(xué)習(xí)規(guī)則 38
2. 5. 7　外星學(xué)習(xí)規(guī)則 38
本章小結(jié) 40
習(xí)題 40
第3 章　感知器神經(jīng)網(wǎng)絡(luò) 42
3. 1　單層感知器 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　感知器的學(xué)習(xí)算法 45
3. 2　多層感知器 47
3. 3　自適應(yīng)線性單元簡(jiǎn)介 49
3. 3. 1　ADALINE 模型 49
3. 3. 2　ADALINE 學(xué)習(xí)算法 49
3. 3. 3　ADALINE 應(yīng)用 51
3. 4　誤差反傳算法 51
Ⅵ
3. 4. 1　基于BP 算法的多層感知器
模型 52
3. 4. 2　BP 學(xué)習(xí)算法 53
3. 4. 3　BP 算法的程序?qū)崿F(xiàn) 56
3. 4. 4　多層感知器的主要能力 57
3. 4. 5　誤差曲面與BP 算法的局限性 58
3. 5　標(biāo)準(zhǔn)BP 算法的改進(jìn) 59
3. 5. 1　增加動(dòng)量項(xiàng) 59
3. 5. 2　自適應(yīng)調(diào)節(jié)學(xué)習(xí)率 59
3. 5. 3　引入陡度因子 60
3. 6　基于BP 算法的多層感知器設(shè)計(jì)
基礎(chǔ) 60
3. 6. 1　網(wǎng)絡(luò)信息容量與訓(xùn)練樣本數(shù) 60
3. 6. 2　訓(xùn)練樣本集的準(zhǔn)備 61
3. 6. 3　初始權(quán)值的設(shè)計(jì) 64
3. 6. 4　多層感知器結(jié)構(gòu)設(shè)計(jì) 65
3. 6. 5　網(wǎng)絡(luò)訓(xùn)練與測(cè)試 66
3. 7　基于BP 算法的多層感知器應(yīng)用與設(shè)計(jì)
實(shí)例 67
3. 7. 1　基于BP 算法的多層感知器用于
催化劑配方建模 67
3. 7. 2　基于BP 算法的多層感知器用于
汽車變速器最佳擋位判定 68
3. 7. 3　基于BP 算法的多層感知器用于
圖像壓縮編碼 69
3. 7. 4　基于BP 算法的多層感知器用于
水庫(kù)優(yōu)化調(diào)度 69
3. 8　基于MATLAB 的BP 網(wǎng)絡(luò)應(yīng)用實(shí)例 70
3. 8. 1　BP 網(wǎng)絡(luò)用于數(shù)據(jù)擬合 70
3. 8. 2　BP 網(wǎng)絡(luò)用于鳶尾花分類問(wèn)題 72
擴(kuò)展資料 76
本章小結(jié) 77
習(xí)題 77
第4 章　自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò) 80
4. 1　競(jìng)爭(zhēng)學(xué)習(xí)的概念與原理 80
4. 1. 1　基本概念 80
4. 1. 2　競(jìng)爭(zhēng)學(xué)習(xí)原理 82
4. 2　自組織特征映射神經(jīng)網(wǎng)絡(luò) 84
4. 2. 1　SOFM 網(wǎng)的生物學(xué)基礎(chǔ) 85
4. 2. 2　SOFM 網(wǎng)的拓?fù)浣Y(jié)構(gòu)與權(quán)值
調(diào)整域 85
4. 2. 3　自組織特征映射網(wǎng)的運(yùn)行原理與
學(xué)習(xí)算法 86
4. 2. 4　SOFM 網(wǎng)的設(shè)計(jì)基礎(chǔ) 90
4. 2. 5　應(yīng)用與設(shè)計(jì)實(shí)例 92
4. 3　學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò) 95
4. 3. 1　向量量化 95
4. 3. 2　LVQ 網(wǎng)絡(luò)結(jié)構(gòu)與工作原理 96
4. 3. 3　LVQ 網(wǎng)絡(luò)的學(xué)習(xí)算法 97
4. 4　對(duì)偶傳播神經(jīng)網(wǎng)絡(luò) 98
4. 4. 1　網(wǎng)絡(luò)結(jié)構(gòu)與運(yùn)行原理 98
4. 4. 2　CPN 的學(xué)習(xí)算法 99
4. 4. 3　改進(jìn)的CPN 網(wǎng) 100