《神經網路設計（原書第2版）》是2018年機械工業出版社出版的圖書，作者是[美]馬丁 T. 哈根（Martin T. Hagan）、 霍華德 B. 德姆斯（Howard B. Demuth）。
基本介紹
- 書名：神經網路設計（原書第2版）
- 作者：[美]馬丁 T. 哈根（Martin T. Hagan）、 霍華德 B. 德姆斯（Howard B. Demuth）
- 出版社：機械工業出版社
- 出版時間：2018年12月
- 定價：99 元
- 開本：16 開
- ISBN：9787111586746
內容簡介,圖書目錄,
內容簡介
本書是一本易學易懂的神經網路教材，主要討論網路結構、學習規則、訓練技巧和工程套用，緊緊圍繞“設計”這一視角組織材料和展開講解，強調基本原理和訓練方法，概念清晰，數學論述嚴謹，包含豐富的實例和練習，並配有課件和MATLAB演示程式。本書要求讀者具備線性代數、機率論和微分方程的基礎知識，可作為高年級本科生或一年級研究生的神經網路導論課程教材，也可供有興趣的讀者自學或參考。
圖書目錄
出版者的話
譯者序
前言
第1章 引言1
1.1 目標1
1.2 歷史1
1.3 套用3
1.4 生物學啟示4
1.5 擴展閱讀5
第2章 神經元模型及網路結構8
2.1 目標8
2.2 理論與例子8
2.2.1 記號8
2.2.2 神經元模型8
2.2.3 網路結構11
2.3 小結15
2.4 例題17
2.5 結束語18
2.6 習題18
第3章 一個說明性的實例20
3.1 目標20
3.2 理論與例子20
3.2.1 問題描述20
3.2.2 感知機21
3.2.3 Hamming網路23
3.2.4 Hopfield網路26
3.3 結束語27
3.4 習題28
第4章 感知機學習規則31
4.1 目標31
4.2 理論與例子31
4.2.1 學習規則31
4.2.2 感知機結構32
4.2.3 感知機的學習規則35
4.2.4 收斂性證明39
4.3 小結41
4.4 例題42
4.5 結束語48
4.6 擴展閱讀49
4.7 習題49
第5章 信號與權值向量空間53
5.1 目標53
5.2 理論與例子53
5.2.1 線性向量空間53
5.2.2 線性無關54
5.2.3 生成空間55
5.2.4 內積56
5.2.5 範數56
5.2.6 正交性56
5.2.7 向量展開式58
5.3 小結60
5.4 例題61
5.5 結束語66
5.6 擴展閱讀67
5.7 習題67
第6章 神經網路中的線性變換71
6.1 目標71
6.2 理論與例子71
6.2.1 線性變換71
6.2.2 矩陣表示72
6.2.3 基變換74
6.2.4 特徵值與特徵向量76
6.3 小結79
6.4 例題79
6.5 結束語85
6.6 擴展閱讀85
6.7 習題86
第7章 有監督的Hebb學習90
7.1 目標90
7.2 理論與例子90
7.2.1 線性聯想器91
7.2.2 Hebb規則91
7.2.3 偽逆規則93
7.2.4 套用95
7.2.5 Hebb學習的變形96
7.3 小結97
7.4 例題98
7.5 結束語105
7.6 擴展閱讀105
7.7 習題106
第8章 性能曲面和最優點108
8.1 目標108
8.2 理論與例子108
8.2.1 泰勒級數108
8.2.2 方嚮導數110
8.2.3 極小點111
8.2.4 最佳化的必要條件113
8.2.5 二次函式114
8.3 小結119
8.4 例題120
8.5 結束語127
8.6 擴展閱讀127
8.7 習題128
第9章 性能最佳化131
9.1 目標131
9.2 理論與例子131
9.2.1 最速下降法131
9.2.2 牛頓法136
9.2.3 共軛梯度法139
9.3 小結142
9.4 例題142
9.5 結束語150
9.6 擴展閱讀150
9.7 習題151
第10章 Widrow-Hoff學習153
10.1 目標153
10.2 理論與例子153
10.2.1 ADALINE網路153
10.2.2 均方誤差154
10.2.3 LMS算法156
10.2.4 收斂性分析157
10.2.5 自適應濾波器159
10.3 小結164
10.4 例題165
10.5 結束語174
10.6 擴展閱讀174
10.7 習題175
第11章 反向傳播179
11.1 目標179
11.2 理論與例子179
11.2.1 多層感知機179
11.2.2 反向傳播算法182
11.2.3 例子186
11.2.4 批量訓練和增量訓練188
11.2.5 使用反向傳播188
11.3 小結192
11.4 例題193
11.5 結束語201
11.6 擴展閱讀201
11.7 習題202
第12章 反向傳播算法的變形210
12.1 目標210
12.2 理論與例子210
12.2.1 反向傳播算法的缺點210
12.2.2 反向傳播算法的啟發式改進215
12.2.3 數值最佳化技術218
12.3 小結226
12.4 例題228
12.5 結束語235
12.6 擴展閱讀236
12.7 習題237
第13章 泛化241
13.1 目標241
13.2 理論與例子241
13.2.1 問題描述242
13.2.2 提升泛化能力的方法243
13.3 小結257
13.4 例題258
13.5 結束語265
13.6 擴展閱讀265
13.7 習題266
第14章 動態網路270
14.1 目標270
14.2 理論與例子270
14.2.1 分層數字動態網路271
14.2.2 動態學習的基本原則273
14.2.3 動態反向傳播276
14.3 小結288
14.4 例題290
14.5 結束語296
14.6 擴展閱讀296
14.7 習題297
第15章 競爭網路302
15.1 目標302
15.2 理論與例子302
15.2.1 Hamming網路303
15.2.2 競爭層304
15.2.3 生物學中的競爭層307
15.2.4 自組織特徵圖308
15.2.5 學習向量量化310
15.3 小結314
15.4 例題315
15.5 結束語322
15.6 擴展閱讀322
15.7 習題323
第16章 徑向基網路329
16.1 目標329
16.2 理論與例子329
16.2.1 徑向基網路329
16.2.2 訓練RBF網路333
16.3 小結343
16.4 例題344
16.5 結束語347
16.6 擴展閱讀347
16.7 習題348
第17章 實際訓練問題352
17.1 目標352
17.2 理論與例子352
17.2.1 訓練前的步驟353
17.2.2 網路訓練359
17.2.3 訓練結果分析362
17.3 結束語368
17.4 擴展閱讀368
第18章 實例研究1:函式逼近370
18.1 目標370
18.2 理論與例子370
18.2.1 智慧型感測系統描述370
18.2.2 數據收集與預處理371
18.2.3 網路結構選擇372
18.2.4 網路訓練372
18.2.5 驗證373
18.2.6 數據集374
18.3 結束語375
18.4 擴展閱讀375
第19章 實例研究2：機率估計376
19.1 目標376
19.2 理論與例子376
19.2.1 CVD過程描述376
19.2.2 數據收集與預處理377
19.2.3 網路結構選擇378
19.2.4 網路訓練379
19.2.5 驗證381
19.2.6 數據集382
19.3 結束語382
19.4 擴展閱讀383
第20章 實例研究3：模式識別384
20.1 目標384
20.2 理論與例子384
20.2.1 心肌梗死識別問題描述384
20.2.2 數據收集與預處理384
20.2.3 網路結構選擇387
20.2.4 網路訓練387
20.2.5 驗證388
20.2.6 數據集389
20.3 結束語390
20.4 擴展閱讀390
第21章 實例研究4：聚類391
21.1 目標391
21.2 理論與例子391
21.2.1 森林覆蓋問題描述391
21.2.2 數據收集與預處理392
21.2.3 網路結構選擇392
21.2.4 網路訓練393
21.2.5 驗證394
21.2.6 數據集396
21.3 結束語396
21.4 擴展閱讀396
第22章 實例研究5：預測398
22.1 目標398
22.2 理論與例子398
22.2.1 磁懸浮系統描述398
22.2.2 數據收集與預處理399
22.2.3 網路結構選擇399
22.2.4 網路訓練401
22.2.5 驗證402
22.2.6 數據集404
22.3 結束語404
22.4 擴展閱讀405
附錄A 參考文獻406
附錄B 記號413
附錄C 軟體417
索引420
