《前饋神經網路及其套用》較系統地介紹了前饋神經網路的理論與套用。《前饋神經網路及其套用》共7章，主要內容包括前饋神經網路的模型選擇、單個前饋神經網路、混合前饋神經網路和前饋神經網路的套用。 《前饋神經網路及其套用》可作為套用數學、計算機科學與技術、信息與通信工程、電氣工程、控制科學與技術等專業高年級本科生、研究生的教材或教學參考書，也可供相關領域的科研人員和工程技術人員閱讀參考。
基本介紹
- 書名：前饋神經網路及其套用
- 出版社：科學出版社
- 頁數：189頁
- 開本：5
- 作者：邢紅傑 哈明虎
- 出版日期：2013年3月1日
- 語種：簡體中文
內容簡介,圖書目錄,
內容簡介
《前饋神經網路及其套用》可作為套用數學、計算機科學與技術、信息與通信工程、電氣工程、控制科學與技術等專業高年級本科生、研究生的教材或教學參考書，也可供相關領域的科研人員和工程技術人員閱讀參考。
圖書目錄
前言
符號說明
第1章緒論
1.1有監督學習和無監督學習
1.1.1有監督學習
1.1.2無監督學習
1.2神經網路的分類
1.2.1前饋神經網路
1.2.2反饋神經網路
1.3前饋神經網路的模型選擇與混合策略
1.3.1前饋神經網路的模型選擇
1.3.2前饋神經網路的混合策略
參考文獻
第2章有監督學習前饋神經網路
2.1多層感知器神經網路
2.1.1網路結構
2.1.2學習算法
2.1.3逼近理論
2.2徑向基函式神經網路
2.2.1網路結構
2.2.2學習算法
2.2.3逼近理論
2.3切比雪夫神經網路
2.3.1網路結構
2.3.2學習算法
2.3.3逼近理論
2.4支持向量機
2.4.1網路結構
2.4.2學習算法
2.4.3逼近理論
參考文獻
第3章無監督學習前饋神經網路
3.1自組織映射神經網路
3.1.1網路結構
3.1.2學習算法
3.1.3核自組織映射神經網路
3.2神經氣網路
3.2.1學習算法
3.2.2核神經氣網路
3.2.3生長型神經氣網路
3.3主成分分析及其改進方法
3.3.1主成分分析
3.3.2核主成分分析
3.3.3二維主成分分析
參考文獻
第4章前饋神經網路的模型選擇
4.1基於假設檢驗的方法
4.1.1Wald-檢驗
4.1.2LM-檢驗
4.2基於信息準則的方法
4.2.1AIC準則和BIC準則
4.2.2最小描述長度和交叉驗證
4.3基於敏感度分析的方法
4.3.1基於偏導數的敏感度分析方法
4.3.2基於隨機分析的敏感度分析方法
4.4基於互信息的方法
4.4.1互信息及其估計
4.4.2基於互信息的多層感知器兩階段構造方法
參考文獻
第5章單個前饋神經網路
5.1基於正則化相關熵的徑向基函式神經網路學習方法
5.1.1正則化相關熵準則
5.1.2數值實驗
5.2橢球基函式神經網路的混合學習方法
5.2.1橢球基函式神經網路
5.2.2橢球基函式神經網路的混合學習策略
5.2.3數值實驗
5.3基於互信息的特徵加權支持向量機
5.3.1基於互信息的特徵權重估計
5.3.2特徵加權支持向量機
5.3.3數值實驗
參考文獻
第6章混合前饋神經網路
6.1高斯、Sigmoid、切比雪夫混合前饋神經網路
6.1.1Gauss-Sigmoid神經網路
6.1.2高斯一切比雪夫神經網路
6.1.3數值實驗
6.2基於自適應模糊c均值的混合專家模型
6.2.1基於PBMF-index的模糊c均值聚類算法
6.2.2結構描述和實現方法
6.2.3數值實驗
參考文獻
第7章前饋神經網路的套用
7.1前饋神經網路在人臉識別中的套用
7.2前饋神經網路在非線性時間序列預測中的套用
7.3前饋神經網路在圖像分割中的套用
7.4前饋神經網路在異常檢測中的套用
參考文獻
附錄部分前饋神經網路的Matlab原始碼
附錄1基本模型
附錄2模型選擇
附錄3改進模型
索引
符號說明
第1章緒論
1.1有監督學習和無監督學習
1.1.1有監督學習
1.1.2無監督學習
1.2神經網路的分類
1.2.1前饋神經網路
1.2.2反饋神經網路
1.3前饋神經網路的模型選擇與混合策略
1.3.1前饋神經網路的模型選擇
1.3.2前饋神經網路的混合策略
參考文獻
第2章有監督學習前饋神經網路
2.1多層感知器神經網路
2.1.1網路結構
2.1.2學習算法
2.1.3逼近理論
2.2徑向基函式神經網路
2.2.1網路結構
2.2.2學習算法
2.2.3逼近理論
2.3切比雪夫神經網路
2.3.1網路結構
2.3.2學習算法
2.3.3逼近理論
2.4支持向量機
2.4.1網路結構
2.4.2學習算法
2.4.3逼近理論
參考文獻
第3章無監督學習前饋神經網路
3.1自組織映射神經網路
3.1.1網路結構
3.1.2學習算法
3.1.3核自組織映射神經網路
3.2神經氣網路
3.2.1學習算法
3.2.2核神經氣網路
3.2.3生長型神經氣網路
3.3主成分分析及其改進方法
3.3.1主成分分析
3.3.2核主成分分析
3.3.3二維主成分分析
參考文獻
第4章前饋神經網路的模型選擇
4.1基於假設檢驗的方法
4.1.1Wald-檢驗
4.1.2LM-檢驗
4.2基於信息準則的方法
4.2.1AIC準則和BIC準則
4.2.2最小描述長度和交叉驗證
4.3基於敏感度分析的方法
4.3.1基於偏導數的敏感度分析方法
4.3.2基於隨機分析的敏感度分析方法
4.4基於互信息的方法
4.4.1互信息及其估計
4.4.2基於互信息的多層感知器兩階段構造方法
參考文獻
第5章單個前饋神經網路
5.1基於正則化相關熵的徑向基函式神經網路學習方法
5.1.1正則化相關熵準則
5.1.2數值實驗
5.2橢球基函式神經網路的混合學習方法
5.2.1橢球基函式神經網路
5.2.2橢球基函式神經網路的混合學習策略
5.2.3數值實驗
5.3基於互信息的特徵加權支持向量機
5.3.1基於互信息的特徵權重估計
5.3.2特徵加權支持向量機
5.3.3數值實驗
參考文獻
第6章混合前饋神經網路
6.1高斯、Sigmoid、切比雪夫混合前饋神經網路
6.1.1Gauss-Sigmoid神經網路
6.1.2高斯一切比雪夫神經網路
6.1.3數值實驗
6.2基於自適應模糊c均值的混合專家模型
6.2.1基於PBMF-index的模糊c均值聚類算法
6.2.2結構描述和實現方法
6.2.3數值實驗
參考文獻
第7章前饋神經網路的套用
7.1前饋神經網路在人臉識別中的套用
7.2前饋神經網路在非線性時間序列預測中的套用
7.3前饋神經網路在圖像分割中的套用
7.4前饋神經網路在異常檢測中的套用
參考文獻
附錄部分前饋神經網路的Matlab原始碼
附錄1基本模型
附錄2模型選擇
附錄3改進模型
索引
