人工神經(jīng)網(wǎng)絡原理及仿真實例

定　價：￥23.00

作　者：	高雋編著
出版社：	機械工業(yè)出版社
叢編項：	高等院校計算機科學與技術(shù)“十五”規(guī)劃教材
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111125914	出版時間：	2003-08-01	包裝：	膠版紙
開本：	26cm	頁數(shù)：	209	字數(shù)：

內(nèi)容簡介

　　《21世紀高等院校電氣信息類系列教材：人工神經(jīng)網(wǎng)絡原理及仿真實例（第2版）》以神經(jīng)網(wǎng)絡結(jié)構(gòu)為主線，以學習算法為副線，詳細介紹了神經(jīng)網(wǎng)絡結(jié)構(gòu)和算法步驟，目的是使讀者易看懂，能動手，會應用。主要內(nèi)容包括：人工神經(jīng)網(wǎng)絡簡介、單層前向網(wǎng)絡及LMS學習算法、多層前向網(wǎng)絡及BP學習算法、支持向量機及其學習算法、Hopfield神經(jīng)網(wǎng)絡與聯(lián)想記憶、隨機神經(jīng)網(wǎng)絡及模擬退火算法。競爭神經(jīng)網(wǎng)絡和協(xié)同神經(jīng)網(wǎng)絡。每章均給出了基于Matlab的仿真實例及練習。《21世紀高等院校電氣信息類系列教材：人工神經(jīng)網(wǎng)絡原理及仿真實例（第2版）》可作為電子科學與技術(shù)、信息與通信工程、計算機科學與技術(shù)、電氣工程、控制科學與技術(shù)等專業(yè)的研究生和高年級本科生的教材，對相關(guān)專業(yè)的研究人員和工程技術(shù)人員也有參考價值。

作者簡介

暫缺《人工神經(jīng)網(wǎng)絡原理及仿真實例》作者簡介

圖書目錄

第1章  引言
1. 1  人工神經(jīng)網(wǎng)絡簡介
1. 2  人工神經(jīng)網(wǎng)絡發(fā)展歷史
1. 2. 1  興起階段
1. 2. 2  蕭條階段
1. 2. 3  興盛階段
1. 3  人工神經(jīng)網(wǎng)絡模型
1. 3. 1  生物神經(jīng)元模型
1. 3. 2  人工神經(jīng)網(wǎng)絡的模型
1. 4  人工神經(jīng)網(wǎng)絡的分類及學習規(guī)則
1. 4. 1  人工神經(jīng)網(wǎng)絡的分類
1. 4. 2  神經(jīng)網(wǎng)絡的學習
1. 5  人工神經(jīng)網(wǎng)絡的信息處理能力
1. 6  人工神經(jīng)網(wǎng)絡的應用
1. 7  人工神經(jīng)網(wǎng)絡與人工智能
1. 7. 1  人工智能簡介
1. 7. 2  人工智能與人工神經(jīng)網(wǎng)絡
1. 8  習題

第2章  單層前向網(wǎng)絡及LMS學習算法
2. 1  單層感知器
2. 1. 1  單層感知器模型
2. 1. 2  單層感知器的學習算法
2. 2  自適應線性元件
2. 3  LMS學習算法
2. 4  仿真實例
2. 5  習題

第3章  多層前向網(wǎng)絡及BP學習算法
3. 1  多層感知器
3. 2  BP學習算法
3. 2. 1  BP學習算法
3. 2. 2  BP學習算法步驟
3. 2. 3  BP學習算法的改進
3. 3  徑向基網(wǎng)絡
3. 3. 1  RBF神經(jīng)網(wǎng)絡模型
3. 3. 2  RBF網(wǎng)絡的學習算法
3. 3. 3  RBF網(wǎng)絡與多層感知器的比較
3. 4  仿真實例
3. 5  習題

第4章  支持向量機及其學習算法
4. 1  統(tǒng)計學習理論
4. 2  支持向量機
4. 2. 1  線性支持向量機
4. 2. 2  非線性支持向量機
4. 2. 3  支持向量機與多層前向網(wǎng)絡的比較
4. 3  支持向量機的學習算法
4. 3. 1  學習算法
4. 3. 2  改進算法
4. 4  仿真實例
4. 5  習題

第5章  Hopfield神經(jīng)網(wǎng)絡與聯(lián)想記憶
5. 1  神經(jīng)動力學
5. 2  離散Hoptield神經(jīng)網(wǎng)絡
5. 2. 1  離散Hopfield網(wǎng)絡模型
5. 2. 2  離散Hopfield網(wǎng)絡的運行規(guī)則
5. 3  連續(xù)Hopfield神經(jīng)網(wǎng)絡
5. 3. 1  連續(xù)Hopfield網(wǎng)絡模型
5. 3. 2  連續(xù)Hopfield網(wǎng)絡穩(wěn)定性分析
5. 4  聯(lián)想記憶
5. 4. 1  聯(lián)想記憶的基本概念
5. 4. 2  Hopfield聯(lián)想記憶網(wǎng)絡
5. 4. 3  Hopfield聯(lián)想記憶網(wǎng)絡的運行步驟
5. 4. 4  聯(lián)想記憶網(wǎng)絡的改進
5. 5  仿真實例
5. 6  習題

第6章  隨機神經(jīng)網(wǎng)絡及模擬退火算法
6. 1  Boltzmann機
6. 1. 1  Boltzmann機的網(wǎng)絡結(jié)構(gòu)
6. 1. 2  Boltzmann機的工作原理
6. 1. 3  Boltzmann機的運行步驟
6. 1. 4  Boltzmann機的學習規(guī)則
6. 2. Boltzmann機的改進
6. 2. 1  確定性Boltzmann機
6. 2. 2  Sigmoid置信度網(wǎng)絡
6. 3  模擬退火算法
6. 3. 1  模擬退火原理
6. 3. 2  模擬退火算法用于組合優(yōu)化問題
6. 4  仿真實例
6. 5  習題

第7章  競爭神經(jīng)網(wǎng)絡
7. 1  Hamnling網(wǎng)絡
7. 1. 1  Hamming網(wǎng)的網(wǎng)絡結(jié)構(gòu)
7. 1. 2  網(wǎng)絡的運行過程
7. 1. 3  網(wǎng)絡的學習算法
7. 2  自組織映射網(wǎng)絡
7. 2. 1  自組織映射網(wǎng)絡模型
7. 2. 2  自組織映射學習算法
7. 3  學習矢量量化
7. 3. 1  網(wǎng)絡模型
7. 3. 2  學習矢量量化的學習算法
7. 3. 3  學習矢量量化和自組織映射
7. 4  主分量分析
7. 4. 1  主分量分析方法
7. 4. 2  前向主分量分析網(wǎng)絡及其算法
7. 4. 3  自適應主分量網(wǎng)絡及其算法
7. 5  仿真實例
7. 6  習題

第8章  協(xié)同神經(jīng)網(wǎng)絡
8. 1  協(xié)同學簡介
8. 1. 1  協(xié)同學的基本概念
8. 1. 2  協(xié)同學的數(shù)學模型
8. 2  協(xié)同神經(jīng)網(wǎng)絡及其學習算法
8. 2. 1  協(xié)同神經(jīng)網(wǎng)絡的數(shù)學模型
8. 2. 2  協(xié)同神經(jīng)網(wǎng)絡的結(jié)構(gòu)
8. 2. 3  協(xié)同神經(jīng)網(wǎng)絡的運行步驟
8. 2. 4  協(xié)同學習算法
8. 3  仿真實例
8. 4  習題
附錄1  MATlAB及神經(jīng)網(wǎng)絡工具箱簡介
附錄2  MATLAB(5. X版)中神經(jīng)網(wǎng)絡工具箱函數(shù)
參考文獻