基本介紹
- 書名：模組化神經網路結構分析與設計
- 作者：張昭昭 喬俊飛
- 出版日期：2014年4月1日
- 語種：簡體中文
- ISBN：9787538185454
- 外文名：Analysis and Design of Modular Neural Network
- 出版社：遼寧科學技術出版社
- 頁數：206頁
- 開本：16
- 品牌：遼寧科學技術出版社
基本介紹,內容簡介,作者簡介,圖書目錄,
基本介紹
內容簡介
《模組化神經網路結構分析與設計》為了便於讀者理解，書中儘量避免繁瑣的數學推導，加強了模組化神經網路在各個領域的套用實例，並在內容的選擇和編排上注意到讀者初次接觸新概念的易接受性和思維的邏輯性。在編寫的過程中，大部分內容是作者近幾年的研究成果，部分內容取材於最近的國內外文獻。《模組化神經網路結構分析與設計》的各章後面都附有較多的參考文獻，以便讀者進一步查閱。
作者簡介
張昭昭，1973年生，遼寧工程技術大學講師、碩士生導師，博士學位。主要研究方向為智慧型計算、複雜系統建模、神經網路結構最佳化設計。以神經網路結構最佳化設計和污水處理過程關鍵參數線上建模為目標，在神經網路結構動態演化機制、結構動態神經網路穩定性理論、模組化神經結構設計方法、污水處理過程特徵建模等方面取得研究成果。參與2本專著的編寫，在國內外核心期刊發表學術論文近20篇。申請國家發明專利3項，獲得軟體著作權5項。
喬俊飛，1968年生，北京工業大學教授，博士生導師，享受國務院特殊津貼專家。現任中國自動化學會理事、中國人工智慧學會理事，《自動化學報》、《信息與控制》等期刊編委。長期從事複雜過程最佳化控制、人工神經網路分析與結構設計研究工作，承擔國家傑出青年科學基金、國家自然科學基金重點項目和國家863計畫等項目。在國內外核心期刊發表學術論文近百篇。獲得授權國家發明專利15項、軟體著作權12項。研究成果獲得教育部科技進步一等獎、北京市教育教學成果一等獎。
喬俊飛，1968年生，北京工業大學教授，博士生導師，享受國務院特殊津貼專家。現任中國自動化學會理事、中國人工智慧學會理事，《自動化學報》、《信息與控制》等期刊編委。長期從事複雜過程最佳化控制、人工神經網路分析與結構設計研究工作，承擔國家傑出青年科學基金、國家自然科學基金重點項目和國家863計畫等項目。在國內外核心期刊發表學術論文近百篇。獲得授權國家發明專利15項、軟體著作權12項。研究成果獲得教育部科技進步一等獎、北京市教育教學成果一等獎。
圖書目錄
1 緒論
1.1 引言
1.2 神經網路及其發展
1.3 人工神經網路結構設計發展現狀
1.4 本書主要內容
2 感知器神經網路
2.1 引言
2.2 感知器神經網路分析
2.3 感知器神經網路學習算法
2.4 附錄：數學基礎
2.5 本章小結
3 前饋神經網路學習方法研究
3.1 引言
3.2 神經網路學習
3.3 快速下降算法
3.4 極速學習方法
3.5 實驗與分析
3.6 附錄：數學基礎
3.7 本章小結
4 基於信息熵的前饋網路結構最佳化設計
4.1 引言
4.2 熵
4.3 基於改進擬熵的神經網路權衰減算法
4.4 基於神經網路複雜度的修剪算法
4.5 自適應前饋神經網路結構設計
4.6 本章小結
5 模組化神經網路結構設計
5.1 引言
5.2 模組化神經網路
5.3 模組化神經網路的構架與實現
5.4 模組化神經性能分析
5.5 本章小結
6 多層協同模組化神經網路
6.1 引言
6.2 視覺神經系統
6.3 多層協同模組化神經網路
6.4 實驗與分析
6.5 本章小結
7 局部互連BP神經網路
7.1 引言
7.2 局部互連BP神經網路結構
7.3 RBF神經元參數的確定
7.3 局部互連BP神經網路的學習及網路結構設計
7.4 實驗與分析
7.5 本章小結
8 動態自適應模組化神經網路結構設計
8.1 引言
8.2 動態自適應模組化神經網路結構
8.3 動態自適應模組化神經網路結構設計
8.4 動態自適應模組化神經網路學習算法
8.5 實驗與分析
8.6 本章小結
9 具有群集屬性的回聲狀態網路結構設計
9.1 引言
9.2 回聲狀態網路
9.3 具有Small World特性的回聲狀態網路結構設計
9.4 實驗與分析
9.5 本章小結
參考文獻
1.1 引言
1.2 神經網路及其發展
1.3 人工神經網路結構設計發展現狀
1.4 本書主要內容
2 感知器神經網路
2.1 引言
2.2 感知器神經網路分析
2.3 感知器神經網路學習算法
2.4 附錄：數學基礎
2.5 本章小結
3 前饋神經網路學習方法研究
3.1 引言
3.2 神經網路學習
3.3 快速下降算法
3.4 極速學習方法
3.5 實驗與分析
3.6 附錄：數學基礎
3.7 本章小結
4 基於信息熵的前饋網路結構最佳化設計
4.1 引言
4.2 熵
4.3 基於改進擬熵的神經網路權衰減算法
4.4 基於神經網路複雜度的修剪算法
4.5 自適應前饋神經網路結構設計
4.6 本章小結
5 模組化神經網路結構設計
5.1 引言
5.2 模組化神經網路
5.3 模組化神經網路的構架與實現
5.4 模組化神經性能分析
5.5 本章小結
6 多層協同模組化神經網路
6.1 引言
6.2 視覺神經系統
6.3 多層協同模組化神經網路
6.4 實驗與分析
6.5 本章小結
7 局部互連BP神經網路
7.1 引言
7.2 局部互連BP神經網路結構
7.3 RBF神經元參數的確定
7.3 局部互連BP神經網路的學習及網路結構設計
7.4 實驗與分析
7.5 本章小結
8 動態自適應模組化神經網路結構設計
8.1 引言
8.2 動態自適應模組化神經網路結構
8.3 動態自適應模組化神經網路結構設計
8.4 動態自適應模組化神經網路學習算法
8.5 實驗與分析
8.6 本章小結
9 具有群集屬性的回聲狀態網路結構設計
9.1 引言
9.2 回聲狀態網路
9.3 具有Small World特性的回聲狀態網路結構設計
9.4 實驗與分析
9.5 本章小結
參考文獻
