图书介绍
神经网络设计PDF|Epub|txt|kindle电子书版本网盘下载
- （美）Martin T. Hagan等著；戴葵等译 著
- 出版社： 北京：机械工业出版社
- ISBN：7111075854
- 出版时间：2002
- 标注页数：463页
- 文件大小：19MB
- 文件页数：477页
- 主题词：
PDF下载
下载说明
神经网络设计PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 目的1
1.2 历史1
1.3 应用3
1.4 生物学的启示5
参考文献6
第2章 神经元模型和网络结构8
2.1 目的8
2.1 理论和实例8
2.2.1 符号8
2.2.2 神经元模型8
2.2.3 网络结构13
2.3 小结17
2.4 例题20
2.5 结束语22
习题22
第3章 一个说明性实例23
3.1 目的23
3.2 理论和实例23
3.2.1 问题描述23
3.2.2 感知机24
3.2.3 Hamming网络28
3.2.4 Hopfield网络30
3.3 结束语32
习题32
第4章 感知机学习规则34
4.1 目的34
4.2 理论和实例34
4.2.1 学习规则35
4.2.2 感知机的结构35
4.2.3 感知机学习规则39
4.2.4 收敛性证明44
4.3 小结47
4.4 例题47
4.5 结束语56
参考文献56
习题57
第5章 信号和权值向量空间60
5.1 目的60
5.2 理论和实例60
5.2.1 线性向量空间60
5.2.2 线性无关62
5.2.3 生成空间62
5.2.4 内积63
5.2.5 范数63
5.2.6 正交性64
5.2.7 向量展开式65
5.3 小结68
5.4 例题70
5.5 结束语76
参考文献76
习题76
第6章 神经网络中的线性变换79
6.1 目的79
6.2 理论和实例79
6.2.1 线性变换79
6.2.2 矩阵表示80
6.2.3 基变换82
6.2.4 特征值和特征向量85
6.3 小结88
6.4 例题89
6.5 结束语96
参考文献96
习题97
第7章 有监督的Hebb学习99
7.1 目的99
7.2 理论和实例99
7.2.1 线性联想器100
7.2.2 Hebb规则100
7.2.3 仿逆规则103
7.2.4 应用104
7.2.5 Hebb学习的变形106
7.3 小结106
7.4 例题107
7.5 结束语116
参考文献116
习题117
第8章 性能曲面和最优点119
8.1 目的119
8.2 理论和实例119
8.2.1 泰勒级数119
8.2.2 方向导数121
8.2.3 极小点122
8.2.4 优化的必要条件124
8.2.5 二次函数126
8.3 小结131
8.4 例题132
8.5 结束语141
参考文献141
习题141
第9章 性能优化143
9.1 目的143
9.2 理论和实例143
9.2.1 最速下降法143
9.2.2 牛顿法148
9.2.3 共轭梯度法152
9.3 小结155
9.4 例题156
9.5 结束语165
参考文献166
习题166
第10章 Widrow-Hoff学习算法168
10.1 目的168
10.2 理论和实例168
10.2.1 ADALINE网络168
10.2.2 均方误差170
10.2.3 LMS算法171
10.2.4 收敛性分析173
10.2.5 自适应滤波175
10.3 小结181
10.4 例题182
10.5 结束语193
参考文献193
习题194
第11章 反向传播197
11.1 目的197
11.2 理论和实例197
11.2.1 多层感知机197
11.2.2 反向传播算法201
11.2.3 例子205
11.2.4 反向传播207
11.3 小结211
11.4 例题212
11.5 结束语221
参考文献222
习题222
第12章 反向传播算法的变形227
12.1 目的227
12.2 理论和实例227
12.2.1 BP算法的缺点227
12.2.2 BP算法的启发式改进232
12.2.3 数值优化技术235
12.3 小结244
12.4 例题246
12.5 结束语255
参考文献255
习题257
第13章 联想学习259
13.1 目的259
13.2 理论和实例259
13.2.1 简单联想网络260
13.2.2 无监督的Hebb规则261
13.2.3 简单的识别网络264
13.2.4 instar规则265
13.2.5 简单回忆网络268
13.2.6 outstar规则268
13.3 小结271
13.4 例题272
13.5 结束语279
参考文献280
习题280
第14章 竞争网络285
14.1 目的285
14.2 理论和实例285
14.2.1 Hamming网络286
14.2.2 竞争层287
14.2.3 生物学意义上的竞争层291
14.2.4 自组织特征图292
14.2.5 学习向量量化295
14.3 小结299
14.4 例题301
14.5 结束语310
参考文献310
习题311
第15章 Grossberg网络315
15.1 目的315
15.2 理论和实例315
15.2.1 生物学的启发：视觉316
15.2.2 基本非线性模型321
15.2.3 两层竞争网络323
15.2.4 与Kohonen规则的关系331
15.3 小结332
15.4 例题335
15.5 结束语342
参考文献343
习题344
第16章 自适应谐振理论346
16.1 目的346
16.2 理论和实例346
16.2.1 自适应谐振概述346
16.2.2 第一层347
16.2.3 第二层351
16.2.4 调整子系统354
16.2.5 学习规则：L1-L2356
16.2.6 学习规则：L2-L1358
16.2.7 ART1算法小结359
16.2.8 其他ART体系结构360
16.3 小结361
16.4 例题364
16.5 结束语374
参考文献375
习题375
第17章 稳定性378
17.1 目的378
17.2 理论和实例378
17.2.1 递归网络378
17.2.2 稳定性概念379
17.2.3 Lyapunov稳定性定理381
17.2.4 单摆例子381
17.2.5 LaSalle不变性定理385
17.3 小结390
17.4 例题391
17.5 结束语396
参考文献396
习题397
第18章 Hopfield网络399
18.1 目的399
18.2 理论和实例399
18.2.1 Hopfield模型400
18.2.2 Lyapunov函数401
18.2.3 增益效应406
18.2.4 Hopfield网络设计409
18.3 小结413
18.4 例题415
18.5 结束语421
参考文献422
习题423
第19章 结束语426
19.1 目的426
19.2 理论和实例426
19.2.1 前馈和联想网络426
19.2.2 竞争网络429
19.2.3 动态联想存储器网络429
19.2.4 神经网络的经典基础430
19.2.5 参考书目和杂志431
19.3 结束语432
参考文献432
附录A 文献目录439
附录B 符号447
附录C 软件452
索引456