书籍详情

神经网络理论

神经网络理论

作者:(俄)А.И.加卢什金著;阎平凡译;阎平凡译

出版社:清华大学出版社

出版时间:2002-12-01

ISBN:9787302058564

定价:¥28.00

购买这本书可以去
内容简介
  《神经网络理论》从建造高性能计算机的观点出发,讨论了神经网络的作用,详细分析了多层前馈网络的结构设计、学习算法和故障诊断问题。全书共分4篇:第1篇重点讨论前馈网络的各种典型结构;第2篇讨论神经网络学习中的一些理论问题;第3篇研究具体的学习算法;第4篇讨论神经网络的可靠性及故障诊断。《神经网络理论》理论分析深入,并有不少具体实例,每章后面都附有俄罗斯学者在神经网络研究方面的大量文献。《神经网络理论》可作为从事神经网络研究和应用,以及从事模式识别领域研究的科技工作者的自学参考书,也可作为相关专业研究生的教学参考书。原书在俄罗斯被推荐为高年级大学生及研究生的教学用书。
作者简介
暂缺《神经网络理论》作者简介
目录
引言                  
 第1篇  神经网络的结构                  
 第1章  从布尔元件的逻辑基础向阈值逻辑基础的过渡                  
 1. 1  线性阈值单元(神经元)                  
 1. 2  多阈值逻辑                  
 1. 3  连续逻辑                  
 1. 4  激活函数的形式                  
 参考文献                  
 第2章  神经网络结构的定性分析                  
 2. l  神经网络结构的几种形式                  
 2. 2  有顺序前向连接的多层网络                  
 2. 3  多层网络的结构及其符号表示                  
 参考文献                  
 第3章  有跨越连接的多层网络结构的优化                  
 3. 1  关于问题复杂性的准则                  
 3. 2  有跨越连接的一维输人网络的方案                  
 3. 3  类区数上限与下限的估计                  
 3. 4  结构优化问题的一些特例                  
 3. 5  根据某种拓扑特性进行的网络结构的优化                  
 3. 6  有几个输出值的网络结构的优化                  
 参考文献                  
 第4章  连续神经网络                  
 4. 1  输人特征为连续的神经元                  
 4. 2  取连续值的层中神经元                  
 4. 3  有离散特征的连续神经元层                  
 4. 4  神经元的连续模型的分类                  
 参考文献                  
                   
 第2篇  神经网路的最优模型                  
 第5章  神经网络输入信号特性的研究                  
 5. 1  问题的提出                  
 5. 2  有两类样本时输人信号的联合概率分布                  
 5. 3  有K类样本时输人信号的联合概率分布                  
 参考文献                  
 第6章  建造神经网络的最优模型                  
 6. 1  最优模型的一般结构                  
 6. 2  典型神经网络分界面的解析表达                  
 6. 3  多维 E(n)及y(n)时的最优模型                  
 6. 4  自学习状态下神经网络输人信号的先验信息                  
 6. 5  自学习状态下网络的一次优化准则                  
 6. 6  在有任意技术等级的教师和自学习状态下网络的最优模型                  
 参考文献                  
 第7章  开环神经网络的分析                  
 7. 1  神经网络的模拟量和离散量误差的分布规律                  
 7. 2  二次优化泛函的选择                  
 7. 3  系统"Adline"中二次优化泛函的选择                  
 7. 4  对应给定一次优化准则二次优化准则的形成                  
 7. 5  连续型神经网络                  
 7. 6  在有任意技术等级的教师和自学习状态下的神经网络                  
 参考文献                  
 第8章  多变量函数极值的搜索算法                  
 8. 1  多层神经网络二次优化泛函极值的搜索过程                  
 8. 2  有关多变量函数迭代搜索法的分析                  
 8. 3  随机逼近法                  
 8. 4  对变量有等式约束的多变量函数极值进行搜索的迭代方法                  
 8. 5  变量有不等式约束时多变量函数寻优的迭代法                  
 8. 6  多变量函数的局部和全局最优点的随机搜索算法                  
 8. 7  使用二次优化泛函的二阶导数估计值的自适应算法                  
 参考文献                  
                   
 第3篇  自适应神经网络                  
 第9章  神经网络的调整算法                  
 9. 1  问题的提出                  
 9. 2  有二值及连续输出的神经元                  
 9. 3  两层网络                  
 9. 4  由连续输出神经元构成的多层网络                  
 9. 5  变量存在约束的闭环调整的神经网络的构造                  
 9. 6  有二值输出的网络的一次优化准则的实现                  
 9. 7  有连续输人和几种输出神经网络中平均风险最小化的实现                  
 9. 8  有N*个输出通道的神经网络中平均风险最小化的实现                  
 9. 9  多层神经网络中平均风险最小化的实现                  
 9. 10  输人为非平稳样本时闭环神经网络的构造                  
 9. 11  带跨越或反馈连接的闭环调整的神经网络的构造                  
 9. 12  自学习与有任意技术等级教师的闭环神经网络                  
 9. 13  二次优化泛函的二阶导数的估计                  
 参考文献                  
 第10章  连续型神经网络的调整                  
 10. 1  有连续特征的网络的调整                  
 10. 2  层中神经元为连续时权值的调整                  
 10. 3  连续神经元层网络的学习过程中参数矩阵的选取                  
 10. 4  有连续特征并基于给定随机样本时参数K*(i, j)的选择                  
 10. 5  连续两层网络调整算法的特点                  
 10. 6  连续神经元层权函数的3种实现方案及相应的学习过程                  
 10. 7  两层连续神经网络中使用二次优化泛函a2g的学习算法                  
 10. 8  有分段常数权函数的连续神经元层                  
 10. 9  带分段线性权函数的连续神经元层                  
 10. 10  带分段常数权函数的连续神经元层的网络                  
 参考文献                  
 第11章  调整神经网络时初值的选择及多层网络的典型输入信号                  
 11. 1  初始条件的选择方法                  
 11. 2  确定性选择初值的算法                  
 11. 3  多层神经网络中初始条件的选择                  
 11. 4  多层神经网络的典型输人信号                  
 参考文献                  
 第12章  闭环多层神经网络的研究                  
 12. 1  闭环调整的多层神经网络设计问题的提出                  
 12. 2  输人信号是多峰分布时神经元特性的研究                  
 12. 3  识别非平稳样本的神经网络的动态研究                  
 12. 4  学习状态下三层神经网络的动态研究                  
 12. 5  有反馈网络的一些特例的研究                  
 12. 6  自学习状态下单层神经网络的动态研究                  
 12. 7  自学习状态下的两层神经网络                  
 12. 8  闭环多层神经网络调整算法中一些有关参数矩阵选择的工程方法                  
 12. 9  用于解决矩阵变换问题的多层神经网络的构造                  
 12. 10  用于把二进制数转换为十进制数的多层神经网络                  
 12. 11  有任意教师等级的多层网络的研究                  
 12. 12  对闭环调整的神经网络进行研究的解析方法                  
 参考文献                  
 第13章  可变结构多层神经网络的设计                  
 13. l  第1层神经元的顺序学习算法                  
 13. 2  使用随机法搜索局部及全局极值的多层神经网络中第1层神经元的学习算法                  
 13. 3  超平面数增多时有关算法收敛性的分析                  
 13. 4  两层神经网络中第2层神经元的学习                  
 13. 5  3层神经网络中第2层和第3层神经元的学习                  
 13. 6  对多层神经网络做依次调整的一般方法                  
 13. 7  有连续特征的多层神经网络中第1层神经元的学习方法                  
 13. 8  用调整变结构多层神经网络的方法解决初始条件的选择问题                  
 13. 9  变结构多层神经网络的自学习算法                  
 参考文献                  
 第14章  多层神经网络中有效特征的选择                  
 14. 1  学习状态下特征选择问题的提出                  
 14. 2  固定结构的多层神经网络中特征提取的结构方法                  
 14. 3  用于选择有效特征的第1层神经元顺次调整的多层神经网络                  
 14. 4  神经元数的最少化                  
 14. 5  自学习状态下多层神经网络中有效特征的选取                  
 参考文献                  
                   
 第4篇  神经网络的可靠性及故障诊断                  
 第15章  神经网络的可靠性                  
 15. 1  神经网络功能可靠性的研究方法                  
 15. 2  用多层神经网络形式实现组织自恢复时功能可靠性的研究                  
 15. 3  多层神经网络功能可靠性的研究                  
 15. 4  神经网络参数可靠性的研究                  
 15. 5  灾难性故障发生时多层神经网络功能可靠性的研究                  
 参考文献                  
 第16章  神经网络的故障诊断                  
 16. l  神经网络的状态图. 基本概念及定义                  
 16. 2  神经网络中故障定位的算法                  
 16. 3  神经元输出端有逻辑常数故障时构造最少测试点的算法                  
 16. 4  神经网络的自适应故障诊断方法                  
 参考文献                  
 结论                  
 参考文献                  

猜您喜欢

读书导航