神經網路與深度學習——基於MATLAB的仿真與實現

《神經網路與深度學習——基於MATLAB的仿真與實現》是清華大學出版社於2022年出版的書籍，作者是姚舜才、李大威。

基本介紹

• 書名：神經網路與深度學習——基於MATLAB的仿真與實現
• 作者：姚舜才、李大威
• 出版社：清華大學出版社
• 出版時間：2022年5月1日
• 定價：89 元
• ISBN：9787302591085
• 印次：1-1
• 印刷日期：2022.05.11

內容簡介

本書闡述經典神經網路及典型的深度學習(神經網路)方法的基本架構、算法原理及相關問題。在此 基礎上,介紹 MATLAB中神經網路工具箱在神經網路、深度學習中的套用,並給出相應的套用 實例。 本書可作為高等院校相關專業的本科生、研究生及從事神經網路及深度學習方面學習及研究工作的 專業人員的參考書。

作者簡介

姚舜才 中北大學副教授，碩士生導師。於2016年在美國密西根科技大學做訪問學者。目前主要研究神經網路及深度學習在系統數據建模中的套用。多次獲得山西省中青年教師教學基本功競賽獎勵，並被評為山西省普通高校師德師風建設先進個人；多次獲得山西省高等學校科技進步獎；發表50餘篇學術及教學論文，其中EI收錄10篇；作為負責人及主要完成人承擔多項國家和山西省自然科學基金以及國際合作基金項目；出版教材3部，申請專利3項。

李大威 中北大學副教授，碩士生導師。主要研究方向包括模式識別、機器學習等。先後主持或者參與國家自然科學基金項目、山西省自然科學基金項目、橫向科研項目10餘項，發表SCI/EI論文6篇，參編教材1部，授權發明專利3項。

目錄

第一部分神經網路基礎及MATLAB

緒論

第1章神經網路概述

第2章MATLAB基本知識及神經網路工具箱簡介

2．1MATLAB基本知識

2．2MATLAB神經網路工具箱

2．2．1基於代碼的MATLAB神經網路工具箱的套用

2．2．2基於圖形界面的MATLAB神經網路工具箱的套用

2．2．3MATLAB/Simulink中神經網路相關模組的套用

2．2．4MATLAB選單欄中神經網路相關模組的套用

第二部分經典神經網路

第3章感知機

3．1感知機的基本結構與算法基礎

3．1．1單層感知機的基本結構

3．1．2多層感知機的基本結構與算法基礎

3．2感知機的MATLAB實現

3．2．1單層感知機的MATLAB仿真實現

3．2．2多層感知機的MATLAB仿真實現

第4章線性神經網路

4．1線性神經網路的基本結構與算法基礎

4．1．1線性神經網路基本結構及學習算法

4．1．2最小均方差算法中關於學習率η的討論

4．1．3線性神經網路的訓練

4．2線性神經網路的MATLAB實現

4．2．1線性神經網路在分類問題中的套用

4．2．2線性神經網路在擬合(回歸)問題中的套用

4．2．3線性神經網路在信號處理中的套用

4．3關於線性神經網路的幾點討論

第5章BP神經網路

5．1BP神經網路的基本結構與算法基礎

5．1．1BP神經網路基本結構及學習算法

5．1．2BP神經網路的構建

5．1．3BP神經網路算法問題的改進討論

5．2BP神經網路的MATLAB實現

5．2．1BP神經網路在分類問題中的套用

5．2．2BP神經網路在擬合(回歸)問題中的套用

5．2．3BP神經網路在信號處理中的套用

5．3關於BP神經網路的幾點討論

第6章徑向基神經網路

6．1徑向基神經網路的基本結構與算法基礎

6．1．1徑向基神經網路基本結構及學習算法

6．1．2徑向基神經網路在擬合問題中的套用分析

6．1．3徑向基神經網路在分類問題中的套用分析

6．2徑向基神經網路的MATLAB實現

6．2．1徑向基神經網路在擬合(回歸)問題中的套用

6．2．2徑向基神經網路在分類問題中的套用

6．2．3徑向基神經網路在數據預測中的套用

6．3關於徑向基神經網路的幾點討論

第7章Hopfield神經網路

7．1Hopfield神經網路的基本結構與算法基礎

7．1．1離散型Hopfield神經網路

7．1．2連續型Hopfield神經網路

7．1．3Hopfield神經網路的幾個問題

7．2Hopfield神經網路的MATLAB實現

7．3關於 Hopfield神經網路的幾點討論

第8章SOM神經網路

8．1SOM神經網路的基本結構與算法基礎

8．1．1SOM神經網路的運行原理

8．1．2SOM神經網路基本結構及學習算法

8．1．3SOM神經網路的訓練

8．1．4SOM神經網路的設計

8．2SOM神經網路的MATLAB實現

8．2．1二維SOM神經網路識別分類

8．2．2SOM神經網路在故障診斷中的套用

8．2．3SOM神經網路的工具箱實現

8．3關於SOM神經網路的幾點討論

第9章機率神經網路

9．1機率神經網路的基本結構與算法基礎

9．1．1機率神經網路的理論基礎

9．1．2機率神經網路的結構模型

9．1．3機率神經網路的訓練

9．1．4機率神經網路模式分類學習算法

9．2機率神經網路的MATLAB實現

9．2．1基於PNN的鳶尾花分類

9．2．2變壓器故障診斷

9．2．3機率神經網路的工具箱實現

9．2．4PNN中參數spread對分類的影響

第三部分深度學習神經網路

第10章深度信念網路

10．1玻耳茲曼機基本結構及學習

10．1．1玻耳茲曼機的基本結構

10．1．2玻耳茲曼機的訓練方法

10．2深度信念網路的基本結構

10．3深度信念網路的MATLAB實現

10．3．1數據集

10．3．2DeeBNet工具箱實現

10．3．3MATLAB 2019深度學習工具箱的實現案例

第11章自編碼器

11．1自編碼器的基本結構與算法基礎

11．1．1自編碼器的基本結構

11．1．2自編碼器的學習算法

11．2自編碼器的MATLAB實現

11．2．1堆疊自編碼器的實現案例1

11．2．2降噪堆疊自編碼的實現

11．2．3堆疊自編碼器的實現案例2

第12章卷積神經網路

12．1卷積神經網路的基本結構與算法基礎

12．1．1卷積神經網路的特點

12．1．2卷積神經網路的訓練

12．1．3常見的卷積神經網路結構

12．2卷積神經網路的實現

12．2．1卷積神經網路的實現1

12．2．2卷積神經網路的實現2

12．2．3MATLAB 2019b深度學習工具箱

12．2．4MATLAB 2019b深層網路設計器的實現

第13章生成對抗網路（GAN）

13．1GAN的起源與發展

13．1．1GAN的起源

13．1．2GAN的發展

13．1．3GAN的特點

13．2GAN的結構與原理

13．2．1GAN的基本結構

13．2．2GAN的訓練過程

13．2．3GAN的改進模型

13．2．4GAN的套用

13．3GAN的MATLAB實現

13．3．1GAN的MATLAB實現1

13．3．2GAN的MATLAB實現2

13．3．3GAN的MATLAB實現3

第14章循環神經網路

14．1循環神經網路的結構與算法基礎

14．1．1普通的循環神經網路的結構和算法

14．1．2長短時記憶網路的結構和算法

14．2LSTM網路的MATLAB實現

14．2．1LSTM網路語音序列數據分類

14．2．2LSTM網路時序數據預測

參考文獻