人工神經網路理論、設計及套用(第二版)

《人工神經網路理論、設計及套用(第二版)》是2008年化學工業出版社出版的圖書,作者是韓力群。

基本信息,內容簡介,目錄,

基本信息

人工神經網路理論、設計及套用(第二版)
所屬類別
教材 >> 本科 >> 本科電氣
作者:韓力群 編著
出版日期:2007年9月 書號:978-7-5025-9523-4
開本:16 裝幀:平 版次:2版1次 頁數:256頁

內容簡介

該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。
本書適合高等院校電氣信息類專業和經濟管理類專業的研究生、本科生以及科研人員閱讀。

目錄

1緒論1
11人腦與計算機1
111人腦與計算機信息處理能力的比較2
112人腦與計算機信息處理機制的比較3
113什麼是人工神經網路4
12人工神經網路發展簡史5
121啟蒙時期5
122低潮時期7
123復興時期9
124新時期10
125國內研究概況11
13神經網路的基本特徵與功能14
131神經網路的基本特徵14
132神經網路的基本功能14
14神經網路的套用領域16
141信息處理領域16
142自動化領域16
143工程領域17
144經濟領域17
145醫學領域18
本章小結19
思考與練習19
2神經網路基礎知識20
21人工神經網路的生物學基礎20
211生物神經元的結構20
212生物神經元的信息處理機理21
22人工神經元模型24
221神經元的建模24
222神經元的數學模型25
223神經元的轉移函式26
23人工神經網路模型27
231網路拓撲結構類型28
232網路信息流向類型29
24神經網路學習30
241Hebb學習規則31
242Perceptron學習規則33
243δ學習規則33
244LMS學習規則35
245Correlation學習規則35
246WinnerTakeAll學習規則35
247Outstar學習規則36
本章小結36
思考與練習37
3監督學習神經網路38
31單層感知器38
311感知器模型38
312單節點感知器的功能分析39
313感知器的學習算法42
314感知器的局限性及解決途徑44
32基於誤差反傳的多層感知器——BP神經網路47
321BP網路模型47
322BP學習算法48
323BP算法的程式實現51
324BP網路的主要能力52
325誤差曲面與BP算法的局限性53
33BP算法的改進54
331增加動量項54
332自適應調節學習率54
333引入陡度因子55
34BP網路設計基礎55
341網路信息容量與訓練樣本數55
342訓練樣本集的準備56
343初始權值的設計60
344BP網路結構設計60
345網路訓練與測試61
35BP網路套用與設計實例62
351 BP網路用於催化劑配方建模62
352BP網路用於汽車變速器最佳擋位判定63
353BP網路用於圖像壓縮編碼64
354BP網路用於水庫最佳化調度64
355BP網路用於證券預測65
356BP網路用於信用評價模型及預警66
本章小結67
思考與練習67
4競爭學習神經網路71
41競爭學習的概念與原理71
411基本概念71
412競爭學習原理73
42自組織特徵映射神經網路76
421SOM網的生物學基礎76
422SOM網的拓撲結構與權值調整域76
423自組織特徵映射網的運行原理與學習算法77
43自組織特徵映射網路的設計與套用81
431SOM網的設計基礎81
432設計與套用實例83
44自適應共振理論89
441ARTⅠ型網路90
442ARTⅠ型網路的套用94
443ARTⅡ型網路98
444ARTⅡ型網路的套用101
本章小結104
思考與練習105
5組合學習神經網路107
51學習向量量化神經網路107
511向量量化107
512LVQ網路結構與工作原理107
513LVQ網路的學習算法108
514LVQ網路的設計與套用110
52對向傳播神經網路112
521網路結構與運行原理112
522CPN的學習算法113
523改進的CPN網舉例115
524CPN網的套用116
本章小結117
思考與練習118
6反饋神經網路119
61離散型Hopfield神經網路119
611網路的結構與工作方式119
612網路的穩定性與吸引子120
613網路的權值設計126
614網路的信息存儲容量127
62連續型Hopfield神經網路128
621網路的拓撲結構128
622能量函式與穩定性分析129
63Hopfield網路套用與設計實例130
631套用DHNN網解決聯想問題130
632套用CHNN網解決最佳化計算問題130
64雙向聯想記憶神經網路134
641BAM網結構與原理134
642能量函式與穩定性135
643BAM網的權值設計136
644BAM網的套用137
65隨機神經網路138
651模擬退火原理139
652Boltzmann機140
66遞歸神經網路144
661遞歸網路模型144
662遞歸網路的學習算法146
663遞歸網路套用舉例151
本章小結152
思考與練習152
7小腦模型神經網路154
71CMAC網路的結構154
72CMAC網路的工作原理155
721從X到M的映射155
722從M到A的映射157
723從A到Ap的映射158
724從Ap到F的映射158
73CMAC網路的學習算法159
731CMAC網路的學習算法159
732CMAC網路的特點159
74CMAC網路的套用160
741CMAC網路在機器人手臂協調控制中的套用160
742CMAC網路在有源噪聲控制中的套用161
本章小結163
思考與練習163
8基於數學原理的神經網路164
81徑向基函式RBF164
811基於徑向基函式技術的函式逼近與內插164
812正則化RBF神經網路166
813廣義RBF神經網路167
814RBF網路與BP網路的比較171
815RBF網路設計套用實例172
82主分量分析177
821主分量分析方法概述177
822前向PCA神經網路及學習算法181
823側向連線自適應PCA神經網路及APEX算法183
83支持向量機184
831支持向量機的基本思想184
832支持向量機神經網路188
833支持向量機的學習算法189
834支持向量機處理XOR問題190
本章小結191
9神經網路的系統設計與軟體實現193
91神經網路系統總體設計193
911神經網路的適用範圍193
912神經網路的設計過程與需求分析194
913神經網路的性能評價195
914輸入數據的預處理197
92神經網路的軟體實現198
921軟體運行的若干問題198
922軟體實現的若干問題199
93神經網路的高級開發環境200
931神經網路的開發環境及其特徵201
932MATLAB神經網路工具箱201
933其他神經網路開發環境簡介203
10神經網路研究展望206
101人工神經網路研究中的幾個問題206
102人工神經網路研究展望207
1021套用研究的新特點——多學科綜合207
1022實現技術研究的當務之急——神經網路的硬體實現207
1023理論研究的新方向——從人工神經網路到人工神經系統207
附錄1常用神經網路C語言源程式209
附錄2神經網路常用術語英漢對照240
參考文獻242

熱門詞條

聯絡我們