智能科学与技术丛书 神经网络设计 原书第2版PDF|Epub|txt|kindle电子书版本网盘下载

智能科学与技术丛书 神经网络设计 原书第2版PDF格式电子书版下载

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

第1章 引言1

1.1目标1

1.2历史1

1.3应用3

1.4生物学启示4

1.5扩展阅读5

第2章 神经元模型及网络结构8

2.1目标8

2.2理论与例子8

2.2.1记号8

2.2.2神经元模型8

2.2.3网络结构11

2.3小结15

2.4例题17

2.5结束语18

2.6习题18

第3章 一个说明性的实例20

3.1目标20

3.2理论与例子20

3.2.1问题描述20

3.2.2感知机21

3.2.3 Hamming网络23

3.2.4 Hopfield网络26

3.3结束语27

3.4习题28

第4章 感知机学习规则31

4.1目标31

4.2理论与例子31

4.2.1学习规则31

4.2.2感知机结构32

4.2.3感知机的学习规则35

4.2.4收敛性证明39

4.3小结41

4.4例题42

4.5结束语48

4.6扩展阅读49

4.7习题49

第5章 信号与权值向量空间53

5.1目标53

5.2理论与例子53

5.2.1线性向量空间53

5.2.2线性无关54

5.2.3生成空间55

5.2.4内积56

5.2.5范数56

5.2.6正交性56

5.2.7向量展开式58

5.3小结60

5.4例题61

5.5结束语66

5.6扩展阅读67

5.7习题67

第6章 神经网络中的线性变换71

6.1目标71

6.2理论与例子71

6.2.1线性变换71

6.2.2矩阵表示72

6.2.3基变换74

6.2.4特征值与特征向量76

6.3小结79

6.4例题79

6.5结束语85

6.6扩展阅读85

6.7习题86

第7章 有监督的Hebb学习90

7.1目标90

7.2理论与例子90

7.2.1线性联想器91

7.2.2 Hebb规则91

7.2.3伪逆规则93

7.2.4 应用95

7.2.5 Heblb学习的变形96

7.3小结97

7.4例题98

7.5结束语105

7.6扩展阅读105

7.7习题106

第8章 性能曲面和最优点108

8.1目标108

8.2理论与例子108

8.2.1泰勒级数108

8.2.2方向导数110

8.2.3极小点111

8.2.4优化的必要条件113

8.2.5二次函数114

8.3小结119

8.4例题120

8.5结束语127

8.6扩展阅读127

8.7习题128

第9章 性能优化131

9.1目标131

9.2理论与例子131

9.2.1最速下降法131

9.2.2牛顿法136

9.2.3共轭梯度法139

9.3小结142

9.4例题142

9.5结束语150

9.6扩展阅读150

9.7习题151

第10章 Widrow-Hoff学习153

10.1目标153

10.2理论与例子153

10.2.1 ADALINE网络153

10.2.2均方误差154

10.2.3 LMS算法156

10.2.4收敛性分析157

10.2.5自适应滤波器159

10.3小结164

10.4例题165

10.5结束语174

10.6扩展阅读174

10.7习题175

第11章 反向传播179

11.1目标179

11.2理论与例子179

11.2.1多层感知机179

11.2.2反向传播算法182

11.2.3例子186

11.2.4批量训练和增量训练188

11.2.5使用反向传播188

11.3小结192

11.4例题193

11.5结束语201

11.6扩展阅读201

11.7习题202

第12章 反向传播算法的变形210

12.1目标210

12.2理论与例子210

12.2.1反向传播算法的缺点210

12.2.2反向传播算法的启发式改进215

12.2.3数值优化技术218

12.3小结226

12.4例题228

12.5结束语235

12.6扩展阅读236

12.7习题237

第13章 泛化241

13.1目标241

13.2理论与例子241

13.2.1问题描述242

13.2.2提升泛化能力的方法243

13.3小结257

13.4例题258

13.5结束语265

13.6扩展阅读265

13.7习题266

第14章 动态网络270

14.1目标270

14.2理论与例子270

14.2.1分层数字动态网络271

14.2.2动态学习的基本原则273

14.2.3动态反向传播276

14.3小结288

14.4例题290

14.5结束语296

14.6扩展阅读296

14.7习题297

第15章 竞争网络302

15.1目标302

15.2理论与例子302

15.2.1 Hamming网络303

15.2.2竞争层304

15.2.3生物学中的竞争层307

15.2.4自组织特征图308

15.2.5学习向量量化310

15.3小结314

15.4例题315

15.5结束语322

15.6扩展阅读322

15.7习题323

第16章 径向基网络329

16.1目标329

16.2理论与例子329

16.2.1径向基网络329

16.2.2训练RBF网络333

16.3小结343

16.4例题344

16.5结束语347

16.6扩展阅读347

16.7习题348

第17章 实际训练问题352

17.1目标352

17.2理论与例子352

17.2.1训练前的步骤353

17.2.2网络训练359

17.2.3训练结果分析362

17.3结束语368

17.4扩展阅读368

第18章 实例研究1：函数逼近370

18.1目标370

18.2理论与例子370

18.2.1智能传感系统描述370

18.2.2数据收集与预处理371

18.2.3网络结构选择372

18.2.4网络训练372

18.2.5验证373

18.2.6数据集374

18.3结束语375

18.4扩展阅读375

第19章 实例研究2：概率估计376

19.1目标376

19.2理论与例子376

19.2.1 CVD过程描述376

19.2.2数据收集与预处理377

19.2.3网络结构选择378

19.2.4网络训练379

19.2.5验证381

19.2.6数据集382

19.3结束语382

19.4扩展阅读383

第20章 实例研究3：模式识别384

20.1目标384

20.2理论与例子384

20.2.1心肌梗死识别问题描述384

20.2.2数据收集与预处理384

20.2.3网络结构选择387

20.2.4网络训练387

20.2.5验证388

20.2.6数据集389

20.3结束语390

20.4扩展阅读390

第21章 实例研究4：聚类391

21.1目标391

21.2理论与例子391

21.2.1森林覆盖问题描述391

21.2.2数据收集与预处理392

21.2.3网络结构选择392

21.2.4网络训练393

21.2.5验证394

21.2.6数据集396

21.3结束语396

21.4扩展阅读396

第22章 实例研究5：预测398

22.1目标398

22.2理论与例子398

22.2.1磁悬浮系统描述398

22.2.2数据收集与预处理399

22.2.3网络结构选择399

22.2.4网络训练401

22.2.5验证402

22.2.6数据集404

22.3结束语404

22.4扩展阅读405

附录A参考文献406

附录B记号413

附录C软件417

索引420