《序列構造神經網路與多維數據分析》在多維數據分析的需求基礎上，結合序列構造神經網路，給出了具體的多維數據分析方法，在序列構造神經網路的研究基礎上，針對具體的網路構造模型、算法進行了研究，重點研究網路構造過程的基本模型和構造算法，並結合不同的神經網路元結構，提出了具體的網路構造算法。
基本介紹
- 書名：序列構造神經網路與多維數據分析
- 作者：王仁武
- 出版社：上海社會科學院出版社
- 出版時間： 2008
版權資訊,內容簡介,編輯推薦,目錄,
版權資訊
書 名: 序列構造神經網路與多維數據分析
ISBN: 9787807453154
開本： 16
定價: 25.00 元
內容簡介
《序列構造神經網路與多維數據分析》的主要研究目的是針對大容量多維數據的特徵，研究動態序列構造神經網路並且把其套用到多維數據分析的套用中。
編輯推薦
信息爆炸的時代,海量數據特徵維數高,樣本數據及類別多，信息非結構化。如何從海量數據中尋找知識？
作者利用基於序列構造神經網路的信息處理技術，把高維海量數據信息轉換為神經網路的構造，有效地降低了問題規模和時間複雜度，解決傳統前饋網路中固定結構神經網路難以訓練和網路結構難以確定的問題,得到明顯的效果。
《序列構造神經網路與多維數據分析》還將序列構造神經網路套用到房產行業,對現實房產租賃指數多維數據分析進行了探索，顯示了該方法的廣泛套用前景。
目錄
前言
內容提要
第一章多維數據分析及其研究概述
引言
維與多維的概念
數據分析的視角：維
維的度量屬性
維的層次
維的特性
維的分類
維的選擇與設計
多維數據分析的概念
多維數據分析的基礎
多維數據分析的數據準備
多維數據分析的一般方法
多維數據分析的套用前景
知識發現的需求
實際套用環境下數據增長的需求
智慧型數據發展的需求
多維數據分析的研究情況
基於粗糙集數據的分析方法
基於支持向量機的分析方法
基於貝葉斯的分析方法
第二章神經網路及其研究概述
引言
人工神經網路與多維數據分析
神經網路如何工作
建立不同類型的模型——無指導的學習
神經網路方法——競爭學習
模型的優缺點
機器學習與神經網路
傳統神經網路學習中的缺陷
固定的網路結構
網路訓練時間周期長
小結
第三章序列構造神經網路的模型研究
引言
神經網路BP學習算法
誤差反向傳播算法
誤差反向傳播算法的改進
序列構造神經網路的一些特點
序列構造神經網路的理論基礎
基本概念
序列構造網路構造的基本結構
序列構造神經網路的基本原理
網路對已有樣本的學習過程
網路對新樣本的識別過程
序列構造型神經網路的機理分析
動態網路結構模型
神經元動態序列的幾何空間解釋
內部隱層神經元的確定
小結
第四章序列構造神經網路的構造方法
引言
多類樣本的序列神經網路的構造方法
多類樣本構造的一般過程描述
訓練中的複雜度分析
訓練樣本的選擇
數值屬性的替換原則
屬性數據值調整
實驗及討論
小結
第五章序列構造神經網路的實現方法
引言
超平面結構神經元的實現方法
超平面神經元
結合超平面神經元的SCNN實現
實現機理分析
RBF神經元的實現方法
RBF神經元
結合RBF神經元的SCNN實現
實現機理分析
相關改進算法
數據一次批量清洗處理
數據多次清洗處理
實驗及對比分析
實驗及討論
問題簡介
效果及分析
小結
第六章基於序列構造神經網路的多維數據分析方法
引言
網路訓練過程中的多維分析框架模型
原始數據
剖面(規則)
序列構造神經網路
神經元分析信息融合
神經網路對多維空間數據表示的機理分析
內部構造神經元對信息數據的描述
加權神經元序列對原始數據信息映射的討論
多維數據分析算法
引言
學習規則的變換方法
序列構造神經網路的多側面分解
多側面分析與序列構造神經元的集成
結合序列構造神經網路的多維數據分析的基本操作
序列構造神經網路的多維數據分析特點
多個不同側面神經元規則序列
側面知識的合成
多維數據處理的能力
小結
第七章序列構造神經網路的多維數據分析套用探索
引言
房產租賃指數多維數據分析的套用需求分析
常規房產租賃指數研究的技術路線
基於SCNN的房產租賃指數多維數據分析系統建模
房產租賃指數分析模型
房產租賃數據的主要構成
數據量化與歸一化過程
主要算法設計步驟
系統建模的其他考慮
基於SCNN的房產租賃指數多維數據分析系統初步實施簡介
系統模組說明
現階段情況
系統評價
小結
參考文獻
附錄一MATLAB
1．MATLAB簡介
2．MATLAB編程環境與程式設計基礎
3．MATLAB的向量操作
4．MATLAB的矩陣操作
5．MATLAB的多項式
6．MATLAB的編程基礎
附錄二神經網路工具箱函式及套用實例
1．Matlab中神經網路的主要函式列表
2．Matlab神經網路操作的示例代碼
附錄三租賃指數數據摘錄
1．普通住宅(房齡小於5年)的租賃數據(2007~2008)
2．高檔公寓類住宅租賃數據摘錄(2007~2008)
3．租賃指數走勢(2006~2008)
……
