书籍详情
人工神经网络原理及仿真实例
作者：高隽编著
出版社：机械工业出版社
出版时间：2003-08-01
ISBN：9787111125914
定价：¥23.00
购买这本书可以去
内容简介
《21世纪高等院校电气信息类系列教材：人工神经网络原理及仿真实例（第2版）》以神经网络结构为主线，以学习算法为副线，详细介绍了神经网络结构和算法步骤，目的是使读者易看懂，能动手，会应用。主要内容包括：人工神经网络简介、单层前向网络及LMS学习算法、多层前向网络及BP学习算法、支持向量机及其学习算法、Hopfield神经网络与联想记忆、随机神经网络及模拟退火算法。竞争神经网络和协同神经网络。每章均给出了基于Matlab的仿真实例及练习。《21世纪高等院校电气信息类系列教材：人工神经网络原理及仿真实例（第2版）》可作为电子科学与技术、信息与通信工程、计算机科学与技术、电气工程、控制科学与技术等专业的研究生和高年级本科生的教材，对相关专业的研究人员和工程技术人员也有参考价值。
作者简介
暂缺《人工神经网络原理及仿真实例》作者简介
目录
第1章 引言
1. 1 人工神经网络简介
1. 2 人工神经网络发展历史
1. 2. 1 兴起阶段
1. 2. 2 萧条阶段
1. 2. 3 兴盛阶段
1. 3 人工神经网络模型
1. 3. 1 生物神经元模型
1. 3. 2 人工神经网络的模型
1. 4 人工神经网络的分类及学习规则
1. 4. 1 人工神经网络的分类
1. 4. 2 神经网络的学习
1. 5 人工神经网络的信息处理能力
1. 6 人工神经网络的应用
1. 7 人工神经网络与人工智能
1. 7. 1 人工智能简介
1. 7. 2 人工智能与人工神经网络
1. 8 习题
第2章 单层前向网络及LMS学习算法
2. 1 单层感知器
2. 1. 1 单层感知器模型
2. 1. 2 单层感知器的学习算法
2. 2 自适应线性元件
2. 3 LMS学习算法
2. 4 仿真实例
2. 5 习题
第3章 多层前向网络及BP学习算法
3. 1 多层感知器
3. 2 BP学习算法
3. 2. 1 BP学习算法
3. 2. 2 BP学习算法步骤
3. 2. 3 BP学习算法的改进
3. 3 径向基网络
3. 3. 1 RBF神经网络模型
3. 3. 2 RBF网络的学习算法
3. 3. 3 RBF网络与多层感知器的比较
3. 4 仿真实例
3. 5 习题
第4章 支持向量机及其学习算法
4. 1 统计学习理论
4. 2 支持向量机
4. 2. 1 线性支持向量机
4. 2. 2 非线性支持向量机
4. 2. 3 支持向量机与多层前向网络的比较
4. 3 支持向量机的学习算法
4. 3. 1 学习算法
4. 3. 2 改进算法
4. 4 仿真实例
4. 5 习题
第5章 Hopfield神经网络与联想记忆
5. 1 神经动力学
5. 2 离散Hoptield神经网络
5. 2. 1 离散Hopfield网络模型
5. 2. 2 离散Hopfield网络的运行规则
5. 3 连续Hopfield神经网络
5. 3. 1 连续Hopfield网络模型
5. 3. 2 连续Hopfield网络稳定性分析
5. 4 联想记忆
5. 4. 1 联想记忆的基本概念
5. 4. 2 Hopfield联想记忆网络
5. 4. 3 Hopfield联想记忆网络的运行步骤
5. 4. 4 联想记忆网络的改进
5. 5 仿真实例
5. 6 习题
第6章 随机神经网络及模拟退火算法
6. 1 Boltzmann机
6. 1. 1 Boltzmann机的网络结构
6. 1. 2 Boltzmann机的工作原理
6. 1. 3 Boltzmann机的运行步骤
6. 1. 4 Boltzmann机的学习规则
6. 2. Boltzmann机的改进
6. 2. 1 确定性Boltzmann机
6. 2. 2 Sigmoid置信度网络
6. 3 模拟退火算法
6. 3. 1 模拟退火原理
6. 3. 2 模拟退火算法用于组合优化问题
6. 4 仿真实例
6. 5 习题
第7章 竞争神经网络
7. 1 Hamnling网络
7. 1. 1 Hamming网的网络结构
7. 1. 2 网络的运行过程
7. 1. 3 网络的学习算法
7. 2 自组织映射网络
7. 2. 1 自组织映射网络模型
7. 2. 2 自组织映射学习算法
7. 3 学习矢量量化
7. 3. 1 网络模型
7. 3. 2 学习矢量量化的学习算法
7. 3. 3 学习矢量量化和自组织映射
7. 4 主分量分析
7. 4. 1 主分量分析方法
7. 4. 2 前向主分量分析网络及其算法
7. 4. 3 自适应主分量网络及其算法
7. 5 仿真实例
7. 6 习题
第8章 协同神经网络
8. 1 协同学简介
8. 1. 1 协同学的基本概念
8. 1. 2 协同学的数学模型
8. 2 协同神经网络及其学习算法
8. 2. 1 协同神经网络的数学模型
8. 2. 2 协同神经网络的结构
8. 2. 3 协同神经网络的运行步骤
8. 2. 4 协同学习算法
8. 3 仿真实例
8. 4 习题
附录1 MATlAB及神经网络工具箱简介
附录2 MATLAB(5. X版)中神经网络工具箱函数
参考文献
1. 1 人工神经网络简介
1. 2 人工神经网络发展历史
1. 2. 1 兴起阶段
1. 2. 2 萧条阶段
1. 2. 3 兴盛阶段
1. 3 人工神经网络模型
1. 3. 1 生物神经元模型
1. 3. 2 人工神经网络的模型
1. 4 人工神经网络的分类及学习规则
1. 4. 1 人工神经网络的分类
1. 4. 2 神经网络的学习
1. 5 人工神经网络的信息处理能力
1. 6 人工神经网络的应用
1. 7 人工神经网络与人工智能
1. 7. 1 人工智能简介
1. 7. 2 人工智能与人工神经网络
1. 8 习题
第2章 单层前向网络及LMS学习算法
2. 1 单层感知器
2. 1. 1 单层感知器模型
2. 1. 2 单层感知器的学习算法
2. 2 自适应线性元件
2. 3 LMS学习算法
2. 4 仿真实例
2. 5 习题
第3章 多层前向网络及BP学习算法
3. 1 多层感知器
3. 2 BP学习算法
3. 2. 1 BP学习算法
3. 2. 2 BP学习算法步骤
3. 2. 3 BP学习算法的改进
3. 3 径向基网络
3. 3. 1 RBF神经网络模型
3. 3. 2 RBF网络的学习算法
3. 3. 3 RBF网络与多层感知器的比较
3. 4 仿真实例
3. 5 习题
第4章 支持向量机及其学习算法
4. 1 统计学习理论
4. 2 支持向量机
4. 2. 1 线性支持向量机
4. 2. 2 非线性支持向量机
4. 2. 3 支持向量机与多层前向网络的比较
4. 3 支持向量机的学习算法
4. 3. 1 学习算法
4. 3. 2 改进算法
4. 4 仿真实例
4. 5 习题
第5章 Hopfield神经网络与联想记忆
5. 1 神经动力学
5. 2 离散Hoptield神经网络
5. 2. 1 离散Hopfield网络模型
5. 2. 2 离散Hopfield网络的运行规则
5. 3 连续Hopfield神经网络
5. 3. 1 连续Hopfield网络模型
5. 3. 2 连续Hopfield网络稳定性分析
5. 4 联想记忆
5. 4. 1 联想记忆的基本概念
5. 4. 2 Hopfield联想记忆网络
5. 4. 3 Hopfield联想记忆网络的运行步骤
5. 4. 4 联想记忆网络的改进
5. 5 仿真实例
5. 6 习题
第6章 随机神经网络及模拟退火算法
6. 1 Boltzmann机
6. 1. 1 Boltzmann机的网络结构
6. 1. 2 Boltzmann机的工作原理
6. 1. 3 Boltzmann机的运行步骤
6. 1. 4 Boltzmann机的学习规则
6. 2. Boltzmann机的改进
6. 2. 1 确定性Boltzmann机
6. 2. 2 Sigmoid置信度网络
6. 3 模拟退火算法
6. 3. 1 模拟退火原理
6. 3. 2 模拟退火算法用于组合优化问题
6. 4 仿真实例
6. 5 习题
第7章 竞争神经网络
7. 1 Hamnling网络
7. 1. 1 Hamming网的网络结构
7. 1. 2 网络的运行过程
7. 1. 3 网络的学习算法
7. 2 自组织映射网络
7. 2. 1 自组织映射网络模型
7. 2. 2 自组织映射学习算法
7. 3 学习矢量量化
7. 3. 1 网络模型
7. 3. 2 学习矢量量化的学习算法
7. 3. 3 学习矢量量化和自组织映射
7. 4 主分量分析
7. 4. 1 主分量分析方法
7. 4. 2 前向主分量分析网络及其算法
7. 4. 3 自适应主分量网络及其算法
7. 5 仿真实例
7. 6 习题
第8章 协同神经网络
8. 1 协同学简介
8. 1. 1 协同学的基本概念
8. 1. 2 协同学的数学模型
8. 2 协同神经网络及其学习算法
8. 2. 1 协同神经网络的数学模型
8. 2. 2 协同神经网络的结构
8. 2. 3 协同神经网络的运行步骤
8. 2. 4 协同学习算法
8. 3 仿真实例
8. 4 习题
附录1 MATlAB及神经网络工具箱简介
附录2 MATLAB(5. X版)中神经网络工具箱函数
参考文献
猜您喜欢
