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

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