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:
2004-01
版次: 1
ISBN: 9787508423838
定价: 26.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 240页
字数: 352千字
正文语种: 简体中文
11人买过
  • 《人工神经网络导论》较系统地介绍了人工神经网络的基本理论和方法,全书共10章,可分为四大部分:第一部分包括第一章至第二章,叙述了学习人工神经网络应该具备的基础知识,内容有大脑神经系统的构成、脑神经细胞工作概况、人工神经网络的构思、动力系统稳定性以及混沌;第二部分包括第三章至第五章,论述了人工神经网络的三要素,即人工神经元模型、人工神经元的联接方式、人工神经网络的训练与学习;第三部分包括第六章至第九章,着重讨论了四大类网络,即前馈网络、动态网络、竞争网络及模糊网络,第一大类中包含若干具体网络模型;第四部分为第十章,讨论了统计学习理论,支撑向量机作为其特例。
    《人工神经网络导论》在强调基础理论和系统性的同时,着重反映人工神经网络研究领域的最新研究成果,适合作为高等院校自动控制、电子技术、信息技术、计算机、系统工程等专业的研究生教材,亦可供有关科技人员参考。 前言
    一引论
    1.1智能与思维科学
    1.2人工智能
    1.3人工神经网络概述

    二基础知识
    2.1人脑神经系统的构成
    2.2人脑神经细胞工作概况
    2.3人工神经网络的构思
    2.4系统的稳定性
    2.5混沌与神经网络

    三神经元模型
    3.1神经元的通用功能模型
    3.2简单线性神经元
    3.3位势神经元
    3.4逻辑神经元
    3.5势态神经元
    3.6其他神经元

    四联接方式
    4.1分层神经元网的一般结构
    4.2联接矩阵图
    4.3神经元网络的多层组织

    五训练和学习
    5.1乘积学习规则
    5.2关联学习
    5.3线性元网络的差值则训练法
    5.4准线性元网络的差值规则
    5.5随机训练

    六前馈网络
    6.1感知器
    6.2多层感知器
    6.3径向基函数网络
    6.4前馈网络与其他模式分类器

    七动态网络
    7.1延时网络
    7.2双向联想存储
    7.3Hopfield网络
    7.4递归网络
    7.5Bolzmann机

    八竞争网络
    8.1汉明网
    8.2自组织特征映射
    8.3适应谐振网-ART1
    8.4自适应谐振网-ART2

    九模糊自适应网
    9.1模糊自适应谐振网
    9.2模糊极小-极大网
    9.3一般模糊极小-极大网
    9.4模糊格神经网络
    9.5递归自组织模糊推理网络

    十统计学习理论
    10.1学习理论的背景
    10.2学习过程一致性理论
    10.3学习过程收敛率的界限
    10.4控制学习机泛化性能的理论
    10.5构造学习算法的理论
    10.6结论
    参考文献
  • 内容简介:
    《人工神经网络导论》较系统地介绍了人工神经网络的基本理论和方法,全书共10章,可分为四大部分:第一部分包括第一章至第二章,叙述了学习人工神经网络应该具备的基础知识,内容有大脑神经系统的构成、脑神经细胞工作概况、人工神经网络的构思、动力系统稳定性以及混沌;第二部分包括第三章至第五章,论述了人工神经网络的三要素,即人工神经元模型、人工神经元的联接方式、人工神经网络的训练与学习;第三部分包括第六章至第九章,着重讨论了四大类网络,即前馈网络、动态网络、竞争网络及模糊网络,第一大类中包含若干具体网络模型;第四部分为第十章,讨论了统计学习理论,支撑向量机作为其特例。
    《人工神经网络导论》在强调基础理论和系统性的同时,着重反映人工神经网络研究领域的最新研究成果,适合作为高等院校自动控制、电子技术、信息技术、计算机、系统工程等专业的研究生教材,亦可供有关科技人员参考。
  • 目录:
    前言
    一引论
    1.1智能与思维科学
    1.2人工智能
    1.3人工神经网络概述

    二基础知识
    2.1人脑神经系统的构成
    2.2人脑神经细胞工作概况
    2.3人工神经网络的构思
    2.4系统的稳定性
    2.5混沌与神经网络

    三神经元模型
    3.1神经元的通用功能模型
    3.2简单线性神经元
    3.3位势神经元
    3.4逻辑神经元
    3.5势态神经元
    3.6其他神经元

    四联接方式
    4.1分层神经元网的一般结构
    4.2联接矩阵图
    4.3神经元网络的多层组织

    五训练和学习
    5.1乘积学习规则
    5.2关联学习
    5.3线性元网络的差值则训练法
    5.4准线性元网络的差值规则
    5.5随机训练

    六前馈网络
    6.1感知器
    6.2多层感知器
    6.3径向基函数网络
    6.4前馈网络与其他模式分类器

    七动态网络
    7.1延时网络
    7.2双向联想存储
    7.3Hopfield网络
    7.4递归网络
    7.5Bolzmann机

    八竞争网络
    8.1汉明网
    8.2自组织特征映射
    8.3适应谐振网-ART1
    8.4自适应谐振网-ART2

    九模糊自适应网
    9.1模糊自适应谐振网
    9.2模糊极小-极大网
    9.3一般模糊极小-极大网
    9.4模糊格神经网络
    9.5递归自组织模糊推理网络

    十统计学习理论
    10.1学习理论的背景
    10.2学习过程一致性理论
    10.3学习过程收敛率的界限
    10.4控制学习机泛化性能的理论
    10.5构造学习算法的理论
    10.6结论
    参考文献
查看详情