人工神经网络导论

人工神经网络导论
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
2008-05
版次: 1
ISBN: 9787040101973
定价: 12.40
装帧: 平装
开本: 16开
纸张: 其他
页数: 114页
正文语种: 简体中文
49人买过
  •   《人工神经网络导论》依照简明易懂、便于软件实现、鼓励探索的原则介绍人工神经网络。内容包括:智能系统描述模型,人工神经网络方法的特点;基本人工神经元模型,人工神经网络的基本拓扑特性,存储性能及学习;感知器与线性不可分问题,Ifcc学习律,Efmub规则;CQ算法及其原理分析,算法改进讨论;对传网的结构及其运行,对传网的初始化与训练算法;统计网络的训练与收敛性分析;Ipgjqfme网络及稳定性,Boltzmann机;双联存储网络的结构及训练;BSU模型的结构分析与实现。
      《人工神经网络导论》适合于研究生和本科高年级学生使用,也可供有关学生、科技人员参考。 第一章引言
    1.1人工神经网络的提出
    1.1.1智能与人工智能
    1.1.2物理符号系统
    1.1.3联接主义观点
    1.1.4两种模型的比较
    1.2人工神经网络的特点
    1.2.1人工神经网络的概念
    1.2.2学习能力
    1.2.3基本特征的自动提取
    1.2.4信息的分布存放
    1.2.5适用性问题
    1.3历史回顾
    1.3.1萌芽期
    1.3.2第一高潮期
    1.3.3反思期
    1.3.4第二高潮期
    1.3.5再认识与应用研究期
    练习题

    第二章人工神经网络基础
    2.1生物神经网络
    2.2人工神经元
    2.2.1人工神经元的基本构成
    2.2.2激活函数(ActivationFunction)
    2.2.3M-P模型
    2.3A.工神经网络的拓扑特性
    2.3.1联接模式
    2.3.2网络的分层结构
    2.4存储与映射
    2.5人工神经网络的训练。
    2.5.1无导师学习
    2.5.2有导师学习
    练习题

    第三章感知器
    3.1感知器与人工神经网络的早期发展
    3.2感知器的学习算法
    3.2.1离散单输出感知器训练算法
    3.2.2离散多输出感知器训练算法
    3.2.3连续多输出感知器训练算法
    3.3线性不可分问题
    3.3.1异或(Exclusive-0R)问题
    3.3.2线性不可分问题的克服
    练习题

    第四章BP网络
    4.1概述
    4.2基本BP算法
    4.2.1网络的构成
    4.2.2训练过程概述
    4.2.3误差传播分析
    4.2.4基本的BP算法
    4.3算法的改进
    4.4算法的实现
    4.5算法的理论基础
    4.6几个问题的讨论
    练习题

    第五章对传网
    5.1网络结构
    5.2网络的正常运行
    5.2.1Kohonen层
    5.2.2Grossberg层
    5.3Kohonen层的训练
    5.3.1输入向量的预处理
    5.3.2训练
    5.4Kohonen层联接权的初始化方法
    5.5Grossberg层的训练
    5.6补充说明
    练习题

    第六章非确定方法
    6.1基本的非确定训练算法
    6.2模拟退火算法
    6.3Cauchy训练
    6.4相关的几个问题
    练习题一

    第七章循环网络
    7.1循环网络的组织
    7.2稳定性分析
    7.3统计Hopfield网与Boltzmann机
    7.4双联存储器的结构
    7.5异相联存储
    7.6其他的双联存储器
    7.7Hopfield网用于解决TSP问题
    练习题

    第八章自适应共振理论
    8.1ART的结构
    8.2ART的初始化
    8.2.1T的初始化
    8.2.2B的初始化
    8.2.3p的初始化
    8.3ART的实现
    练习题
    参考文献
  • 内容简介:
      《人工神经网络导论》依照简明易懂、便于软件实现、鼓励探索的原则介绍人工神经网络。内容包括:智能系统描述模型,人工神经网络方法的特点;基本人工神经元模型,人工神经网络的基本拓扑特性,存储性能及学习;感知器与线性不可分问题,Ifcc学习律,Efmub规则;CQ算法及其原理分析,算法改进讨论;对传网的结构及其运行,对传网的初始化与训练算法;统计网络的训练与收敛性分析;Ipgjqfme网络及稳定性,Boltzmann机;双联存储网络的结构及训练;BSU模型的结构分析与实现。
      《人工神经网络导论》适合于研究生和本科高年级学生使用,也可供有关学生、科技人员参考。
  • 目录:
    第一章引言
    1.1人工神经网络的提出
    1.1.1智能与人工智能
    1.1.2物理符号系统
    1.1.3联接主义观点
    1.1.4两种模型的比较
    1.2人工神经网络的特点
    1.2.1人工神经网络的概念
    1.2.2学习能力
    1.2.3基本特征的自动提取
    1.2.4信息的分布存放
    1.2.5适用性问题
    1.3历史回顾
    1.3.1萌芽期
    1.3.2第一高潮期
    1.3.3反思期
    1.3.4第二高潮期
    1.3.5再认识与应用研究期
    练习题

    第二章人工神经网络基础
    2.1生物神经网络
    2.2人工神经元
    2.2.1人工神经元的基本构成
    2.2.2激活函数(ActivationFunction)
    2.2.3M-P模型
    2.3A.工神经网络的拓扑特性
    2.3.1联接模式
    2.3.2网络的分层结构
    2.4存储与映射
    2.5人工神经网络的训练。
    2.5.1无导师学习
    2.5.2有导师学习
    练习题

    第三章感知器
    3.1感知器与人工神经网络的早期发展
    3.2感知器的学习算法
    3.2.1离散单输出感知器训练算法
    3.2.2离散多输出感知器训练算法
    3.2.3连续多输出感知器训练算法
    3.3线性不可分问题
    3.3.1异或(Exclusive-0R)问题
    3.3.2线性不可分问题的克服
    练习题

    第四章BP网络
    4.1概述
    4.2基本BP算法
    4.2.1网络的构成
    4.2.2训练过程概述
    4.2.3误差传播分析
    4.2.4基本的BP算法
    4.3算法的改进
    4.4算法的实现
    4.5算法的理论基础
    4.6几个问题的讨论
    练习题

    第五章对传网
    5.1网络结构
    5.2网络的正常运行
    5.2.1Kohonen层
    5.2.2Grossberg层
    5.3Kohonen层的训练
    5.3.1输入向量的预处理
    5.3.2训练
    5.4Kohonen层联接权的初始化方法
    5.5Grossberg层的训练
    5.6补充说明
    练习题

    第六章非确定方法
    6.1基本的非确定训练算法
    6.2模拟退火算法
    6.3Cauchy训练
    6.4相关的几个问题
    练习题一

    第七章循环网络
    7.1循环网络的组织
    7.2稳定性分析
    7.3统计Hopfield网与Boltzmann机
    7.4双联存储器的结构
    7.5异相联存储
    7.6其他的双联存储器
    7.7Hopfield网用于解决TSP问题
    练习题

    第八章自适应共振理论
    8.1ART的结构
    8.2ART的初始化
    8.2.1T的初始化
    8.2.2B的初始化
    8.2.3p的初始化
    8.3ART的实现
    练习题
    参考文献
查看详情
相关图书 / 更多
人工神经网络导论
人工智能导论
师瑞峰,滕婧主编
人工神经网络导论
人工智能爸爸
高嬉贞
人工神经网络导论
人工智能英语入门
刘繁
人工神经网络导论
人工智能城市
吴志强 主编
人工神经网络导论
人工智能:机器学与神经网络 机械工程 刘峡壁,马霄虹,高一轩著 新华正版
刘峡壁
人工神经网络导论
人工湿地填料改性方法及改性填料在废水处理中的应用
徐丽 等
人工神经网络导论
人工智能背景下机器人发展及其产业应用研究
朱海洋,张莉
人工神经网络导论
人工智能(第3版)
[美]史蒂芬·卢奇(Stephen Lucci) 萨尔汗·M.穆萨(Sarhan M. Musa) 丹尼·科佩克(Danny Kopec)
人工神经网络导论
人工智能法规检索与应用
中国法制出版社
人工神经网络导论
人工智能训练师(数据标注员)(五级 四级)
上海职业技能等级认定培训教材编委会
人工神经网络导论
人工智能概论
赵亚伟;姚郑
人工神经网络导论
人工智能与区块链原理及应用研究
胡宁玉、邸东泉 著