人工神經網路理論、設計及套用（第三版）

內容簡介

本書系統地論述了人工神經網路的主要理論和設計基礎，給出了大量套用實例，旨在使讀者了解神經網路的發展背景和研究對象，理解和熟悉其基本原理和主要套用，掌握其結構模型和基本設計方法，為以後的深入研究和套用開發打下基礎。全書共分為10章，第1、2章介紹了神經網路的發展歷史、基本特徵與功能、套用領域及基礎知識，第3~10章展開介紹了單層感知器、基於誤差反傳的多層感知器、徑向基函式神經網路、競爭學習神經網路、組合學習神經網路、反饋神經網路、支持向量機、深度神經網路等內容。為了方便梳理知識點，每章都附有本章小結。為了方便學習、加深理解，在書後附錄中給出了例題與詳解及神經網路常用術語的英漢對照。本書可作為高等學校人工智慧、智慧型科學與技術、自動化等相關專業人工神經網路的教材，也可供人工智慧科研人員參考。

圖書目錄

第1章緒論

1.1人腦與計算機001

1.1.1人腦與計算機信息處理能力的比較002

1.1.2人腦與計算機信息處理機制的比較003

1.1.3什麼是人工神經網路004

1.2人工神經網路發展簡史005

1.2.1啟蒙期005

1.2.2低潮期007

1.2.3復興期009

1.2.4高潮期010

1.2.5大數據期010

1.3神經網路的基本特徵與功能013

1.3.1神經網路的基本特徵013

1.3.2神經網路的基本功能014

1.4神經網路的套用領域015

1.4.1信息處理領域015

1.4.2自動化領域016

1.4.3工程領域016

1.4.4經濟領域017

1.4.5醫學領域018

1.5本章小結018

思考與練習019

第2章神經網路基礎知識

2.1人工神經網路的生物學基礎020

2.1.1生物神經元的結構020

2.1.2生物神經元的信息處理機理021

2.2人工神經元模型024

2.2.1神經元的建模024

2.2.2神經元的數學模型025

2.2.3神經元的轉移函式026

2.3人工神經網路模型027

2.3.1網路拓撲結構類型028

2.3.2網路信息流向類型029

2.4神經網路學習方式030

2.4.1監督學習031

2.4.2無監督學習031

2.5神經網路學習規則031

2.5.1Hebb學習規則032

2.5.2Perceptron （感知器）學習規則034

2.5.3δ（Delta）學習規則034

2.5.4LMS（最小均方）學習規則036

2.5.5Correlation（相關）學習規則036

2.5.6Winner-Take-All（勝者為王）學習規則036

人工神經網路理論、設計及套用（第三版）

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條