书籍详情
神经网络设计
作者：（美）Martin T. Hagan，（美）Howard B.Demuth，（美）Mark H.Beale著；戴葵等译；戴葵译
出版社：机械工业出版社
出版时间：2005-08-01
ISBN：9787111075851
定价：¥49.00
购买这本书可以去
内容简介
《神经网络设计》主要讲述神经网络的基本概念，介绍实用的网络模型、学习规则和训练方法。全书分19章，内容涵盖神经元模型和网络结构、感知机学习规则、有监督的Hebb学习、Widrow—Hoff学习算法、反向传播算法及其变形、联想学习、竞争网络、Grossberg网络、自适应谐振理论和Hopfield网络。书中注重对数学分析方法和性能优化的讨论，强调神经网络在模式识别、信号处理以及控制系统等实际工程问题中的应用。同时《神经网络设计》包含大量例题、习题，并配有基于MATLAB软件包的“神经网络设计演示”程序。《神经网络设计》可以作为大学高年级本科生或一年级研究生的神经网络课程教材，也可供从事相关研究工作的科技人员参考。
作者简介
暂缺《神经网络设计》作者简介
目录
第1章 绪论
1. 1 目的
1. 2 历史
1. 3 应用
1. 4 生物学的启示
参考文献
第2章 神经元模型和网络结构
2. 1 目的
2. 1 理论和实例
2. 2. 1 符号
2. 2. 2 神经元模型
2. 2. 3 网络结构
2. 3 小结
2. 4 例题
2. 5 结束语
习题
第3章 一个说明性实例
3. 1 目的
3. 2 理论和实例
3. 2. 1 问题描述
3. 2. 2 感知机
3. 2. 3 Hamming网络
3. 2. 4 Hopfield网络
3. 3 结束语
习题
第4章 感知机学习规则
4. 1 目的
4. 2 理论和实例
4. 2. 1 学习规则
4. 2. 2 感知机的结构
4. 2. 3 感知机学习规则
4. 2. 4 收敛性证明
4. 3 小结
4. 4 例题
4. 5 结束语
参考文献
习题
第5章 信号和权值向量空间
5. 1 目的
5. 2 理论和实例
5. 2. 1 线性向量空间
5. 2. 2 线性无关
5. 2. 3 生成空间
5. 2. 4 内积
5. 2. 5 范数
5. 2. 6 正交性
5. 2. 7 向量展开式
5. 3 小结
5. 4 例题
5. 5 结束语
参考文献
习题
第6章 神经网络中的线性变换
6. 1 目的
6. 2 理论和实例
6. 2. 1 线性变换
6. 2. 2 矩阵表示
6. 2. 3 基变换
6. 2. 4 特征值和特征向量
6. 3 小结
6. 4 例题
6. 5 结束语
参考文献
习题
第7章 有监督的Hebb学习
7. 1 目的
7. 2 理论和实例
7. 2. 1 线性联想器
7. 2. 2 Hebb规则
7. 2. 3 仿逆规则
7. 2. 4 应用
7. 2. 5 Hebb学习的变形
7. 3 小结
7. 4 例题
7. 5 结束语
参考文献
习题
第8章 性能曲面和最优点
8. 1 目的
8. 2 理论和实例
8. 2. 1 泰勒级数
8. 2. 2 方向导数
8. 2. 3 极小点
8. 2. 4 优化的必要条件
8. 2. 5 二次函数
8. 3 小结
8. 4 例题
8. 5 结束语
参考文献
习题
第9章 性能优化
9. 1 目的
9. 2 理论和实例
9. 2. 1 最速下降法
9. 2. 2 牛顿法
9. 2. 3 共扼梯度法
9. 3 小结
9. 4 例题
9. 5 结束语
参考文献
习题
第10章 Widrow-Hoff学习算法
10. 1 目的
10. 2 理论和实例
10. 2. 1 ADALINE网络
10. 2. 2 均方误差
10. 2. 3 LMS算法
10. 2. 4 收敛性分析
10. 2. 5 自适应滤波
10. 3 小结
10. 4 例题
10. 5 结束语
参考文献
习题
第11章 反向传播
11. 1 目的
11. 2 理论和实例
11. 2. 1 多层感知机
11. 2. 2 反向传播算法
11. 2. 3 例子
11. 2. 4 反向传播
11. 3 小结
11. 4 例题
11. 5 结束语
参考文献
习题
第12章 反向传播算法的变形
12. 1 目的
12. 2 理论和实例
12. 2. 1 BP算法的缺点
12. 2. 2 BP算法的启发式改进
12. 2. 3 数值优化技术
12. 3 小结
12. 4 例题
12. 5 结束语
参考文献
习题
第13章 联想学习
13. 1 目的
13. 2 理论和实例
13. 2. 1 简单联想网络
13. 2. 2 无监督的Hebb规则
13. 2. 3 简单的识别网络
13. 2. 4 instar规则
13. 2. 5 简单回忆网络
13. 2. 6 outstar规则
13. 3 小结
13. 4 例题
13. 5 结束语
参考文献
习题
第14章 竞争网络
14. 1 目的
14. 2 理论和实例
14. 2. 1 Hamming网络
14. 2. 2 竞争层
14. 2. 3 生物学意义上的竞争层
14. 2. 4 自组织特征图
14. 2. 5 学习向量量化
14. 3 小结
14. 4 例题
14. 5 结束语
参考文献
习题
第15章 Grossberg网络
15. 1 目的
15. 2 理论和实例
15. 2. 1 生物学的启发：视觉
15. 2. 2 基本非线性模型
15. 2. 3 两层竞争网络
15. 2. 4 与Kohonen规则的关系
15. 3 小结
15. 4 例题
15. 5 结束语
参考文献
习题
第16章 自适应谐振理论
16. 1 目的
16. 2 理论和实例
16. 2. 1 自适应谐振概述
16. 2. 2 第一层
16. 2. 3 第二层
16. 2. 4 调整子系统
16. 2. 5 学习规则：L1-L2
16. 2. 6 学习规则：L2-L1
16. 2. 7 ART1算法小结
16. 2. 8 其他ART体系结构
16. 3 小结
16. 4 例题
16. 5 结束语
参考文献
习题
第17章 稳定性
17. 1 目的
17. 2 理论和实例
17. 2. 1 递归网络
17. 2. 2 稳定性概念
17. 2. 3 Lyapunov稳定性定理
17. 2. 4 单摆例子
17. 2. 5 LaSdlle不变性定理
17. 3 小结
17. 4 例题
17. 5 结束语
参考文献
习题
第18章 Hopfield网络
18. 1 目的
18. 2 理论和实例
18. 2. 1 Hopfield模型
18. 2. 2 Lyapunov函数
18. 2. 3 增益效应
18. 2. 4 Hopfield网络设计
18. 3 小结
18. 4 例题
18. 5 结束语
参考文献
习题
第19章 结束语
19. 1 目的
19. 2 理论和实例
19. 2. 1 前馈和联想网络
19. 2. 2 竞争网络
19. 2. 3 动态联想存储器网络
19. 2. 4 神经网络的经典基础
19. 2. 5 参考书目和杂志
19. 3 结束语
参考文献
附录A 文献目录
附录B 符号
附录C 软件
索引
1. 1 目的
1. 2 历史
1. 3 应用
1. 4 生物学的启示
参考文献
第2章 神经元模型和网络结构
2. 1 目的
2. 1 理论和实例
2. 2. 1 符号
2. 2. 2 神经元模型
2. 2. 3 网络结构
2. 3 小结
2. 4 例题
2. 5 结束语
习题
第3章 一个说明性实例
3. 1 目的
3. 2 理论和实例
3. 2. 1 问题描述
3. 2. 2 感知机
3. 2. 3 Hamming网络
3. 2. 4 Hopfield网络
3. 3 结束语
习题
第4章 感知机学习规则
4. 1 目的
4. 2 理论和实例
4. 2. 1 学习规则
4. 2. 2 感知机的结构
4. 2. 3 感知机学习规则
4. 2. 4 收敛性证明
4. 3 小结
4. 4 例题
4. 5 结束语
参考文献
习题
第5章 信号和权值向量空间
5. 1 目的
5. 2 理论和实例
5. 2. 1 线性向量空间
5. 2. 2 线性无关
5. 2. 3 生成空间
5. 2. 4 内积
5. 2. 5 范数
5. 2. 6 正交性
5. 2. 7 向量展开式
5. 3 小结
5. 4 例题
5. 5 结束语
参考文献
习题
第6章 神经网络中的线性变换
6. 1 目的
6. 2 理论和实例
6. 2. 1 线性变换
6. 2. 2 矩阵表示
6. 2. 3 基变换
6. 2. 4 特征值和特征向量
6. 3 小结
6. 4 例题
6. 5 结束语
参考文献
习题
第7章 有监督的Hebb学习
7. 1 目的
7. 2 理论和实例
7. 2. 1 线性联想器
7. 2. 2 Hebb规则
7. 2. 3 仿逆规则
7. 2. 4 应用
7. 2. 5 Hebb学习的变形
7. 3 小结
7. 4 例题
7. 5 结束语
参考文献
习题
第8章 性能曲面和最优点
8. 1 目的
8. 2 理论和实例
8. 2. 1 泰勒级数
8. 2. 2 方向导数
8. 2. 3 极小点
8. 2. 4 优化的必要条件
8. 2. 5 二次函数
8. 3 小结
8. 4 例题
8. 5 结束语
参考文献
习题
第9章 性能优化
9. 1 目的
9. 2 理论和实例
9. 2. 1 最速下降法
9. 2. 2 牛顿法
9. 2. 3 共扼梯度法
9. 3 小结
9. 4 例题
9. 5 结束语
参考文献
习题
第10章 Widrow-Hoff学习算法
10. 1 目的
10. 2 理论和实例
10. 2. 1 ADALINE网络
10. 2. 2 均方误差
10. 2. 3 LMS算法
10. 2. 4 收敛性分析
10. 2. 5 自适应滤波
10. 3 小结
10. 4 例题
10. 5 结束语
参考文献
习题
第11章 反向传播
11. 1 目的
11. 2 理论和实例
11. 2. 1 多层感知机
11. 2. 2 反向传播算法
11. 2. 3 例子
11. 2. 4 反向传播
11. 3 小结
11. 4 例题
11. 5 结束语
参考文献
习题
第12章 反向传播算法的变形
12. 1 目的
12. 2 理论和实例
12. 2. 1 BP算法的缺点
12. 2. 2 BP算法的启发式改进
12. 2. 3 数值优化技术
12. 3 小结
12. 4 例题
12. 5 结束语
参考文献
习题
第13章 联想学习
13. 1 目的
13. 2 理论和实例
13. 2. 1 简单联想网络
13. 2. 2 无监督的Hebb规则
13. 2. 3 简单的识别网络
13. 2. 4 instar规则
13. 2. 5 简单回忆网络
13. 2. 6 outstar规则
13. 3 小结
13. 4 例题
13. 5 结束语
参考文献
习题
第14章 竞争网络
14. 1 目的
14. 2 理论和实例
14. 2. 1 Hamming网络
14. 2. 2 竞争层
14. 2. 3 生物学意义上的竞争层
14. 2. 4 自组织特征图
14. 2. 5 学习向量量化
14. 3 小结
14. 4 例题
14. 5 结束语
参考文献
习题
第15章 Grossberg网络
15. 1 目的
15. 2 理论和实例
15. 2. 1 生物学的启发：视觉
15. 2. 2 基本非线性模型
15. 2. 3 两层竞争网络
15. 2. 4 与Kohonen规则的关系
15. 3 小结
15. 4 例题
15. 5 结束语
参考文献
习题
第16章 自适应谐振理论
16. 1 目的
16. 2 理论和实例
16. 2. 1 自适应谐振概述
16. 2. 2 第一层
16. 2. 3 第二层
16. 2. 4 调整子系统
16. 2. 5 学习规则：L1-L2
16. 2. 6 学习规则：L2-L1
16. 2. 7 ART1算法小结
16. 2. 8 其他ART体系结构
16. 3 小结
16. 4 例题
16. 5 结束语
参考文献
习题
第17章 稳定性
17. 1 目的
17. 2 理论和实例
17. 2. 1 递归网络
17. 2. 2 稳定性概念
17. 2. 3 Lyapunov稳定性定理
17. 2. 4 单摆例子
17. 2. 5 LaSdlle不变性定理
17. 3 小结
17. 4 例题
17. 5 结束语
参考文献
习题
第18章 Hopfield网络
18. 1 目的
18. 2 理论和实例
18. 2. 1 Hopfield模型
18. 2. 2 Lyapunov函数
18. 2. 3 增益效应
18. 2. 4 Hopfield网络设计
18. 3 小结
18. 4 例题
18. 5 结束语
参考文献
习题
第19章 结束语
19. 1 目的
19. 2 理论和实例
19. 2. 1 前馈和联想网络
19. 2. 2 竞争网络
19. 2. 3 动态联想存储器网络
19. 2. 4 神经网络的经典基础
19. 2. 5 参考书目和杂志
19. 3 结束语
参考文献
附录A 文献目录
附录B 符号
附录C 软件
索引
猜您喜欢
