久久成人国产精品二三区,高清亚洲精品中文字幕乱码

該書系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡(luò)的主要理論、設(shè)計基礎(chǔ)及應(yīng)用實例，旨在使讀者理解和熟悉神經(jīng)網(wǎng)絡(luò)的基本原理和主要應(yīng)用，掌握它的結(jié)構(gòu)和設(shè)計應(yīng)用方法，為深入研究和應(yīng)用開發(fā)打下基礎(chǔ)。為了便于讀者理解，書中盡量避免煩瑣的數(shù)學(xué)推導(dǎo)，加強了應(yīng)用舉例，并在內(nèi)容的選擇和編排上注意到讀者初次接觸新概念的易接受性和思維的邏輯性，也注意引入目前神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域的前沿知識如深度網(wǎng)絡(luò)等。為便于讀者能將理論轉(zhuǎn)化為應(yīng)用，在主要章節(jié)的后都給出了MATLAB的應(yīng)用例子，并對程序和結(jié)果進行了詳細的講解。

　　眾所周知，計算機是目前功能最強大的信息處理工具。在數(shù)值運算和邏輯運算方面的精確與高速極大地拓展了人腦的能力，從而在信息處理和控制決策等各方面為人們提供了實現(xiàn)智能化和自動化的先進手段。然而，由于現(xiàn)有計算機是按照馮·諾依曼原理，基于程序存取進行工作的，歷經(jīng)半個多世紀的發(fā)展，其結(jié)構(gòu)模式與運行機制仍然沒有跳出傳統(tǒng)的邏輯運算規(guī)則，因而在學(xué)習(xí)認知、記憶聯(lián)想、推理判斷、綜合決策等很多方面的信息處理能力還遠不能達到人腦的智能水平。隨著現(xiàn)代信息科學(xué)與技術(shù)的飛速發(fā)展，這方面的問題日趨尖銳，促使科學(xué)家和技術(shù)專家尋找解決問題的新出路。

　　當(dāng)人們的思路轉(zhuǎn)向研究精妙的人腦結(jié)構(gòu)模式和信息處理機制時，推動了腦科學(xué)的深入發(fā)展以及人工神經(jīng)網(wǎng)絡(luò)和腦模型的研究。隨著對生物腦的深入了解，人工神經(jīng)網(wǎng)絡(luò)獲得長足發(fā)展。在經(jīng)歷了漫長的啟蒙期和低潮期后，人工神經(jīng)網(wǎng)絡(luò)終于以其不容忽視的潛力與活力進入了快速發(fā)展的新時期。特別是20世紀80年代以來，神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與功能逐步改善，運行機制漸趨成熟，應(yīng)用領(lǐng)域日益擴大，在解決各行各業(yè)的難題中顯示出巨大的潛力，取得了豐碩的成果。

　　為了適應(yīng)人工神經(jīng)網(wǎng)絡(luò)應(yīng)用不斷深化的形勢，大力普及人工神經(jīng)網(wǎng)絡(luò)的學(xué)科知識，迅速培養(yǎng)應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的技術(shù)人才，國內(nèi)各高校均已在研究生及本科教育階段開設(shè)了人工神經(jīng)網(wǎng)絡(luò)課程。特別是2004年以來，國內(nèi)已有許多高校設(shè)立了“智能科學(xué)與技術(shù)”本科專業(yè)，而神經(jīng)網(wǎng)絡(luò)課程作為一類重要的腦式智能信息處理系統(tǒng)，在“智能科學(xué)與技術(shù)”等相關(guān)專業(yè)領(lǐng)域的人才培養(yǎng)中具有非常重要的作用。作者從1996年起連續(xù)10年為研究生講授“人工神經(jīng)網(wǎng)絡(luò)”課程，并在多項研究課題中應(yīng)用人工神經(jīng)網(wǎng)絡(luò)取得較好的效果，積累了豐富的教學(xué)與科研實踐經(jīng)驗，在教材講義的基礎(chǔ)上撰寫成書。本書旨在為高等院校信息類專業(yè)（如計算機科學(xué)與技術(shù)、控制工程、電氣工程、電子信息工程、信息工程和通信等）的研究生和智能科學(xué)與技術(shù)專業(yè)的本科學(xué)生以及各類科技人員提供一本系統(tǒng)介紹人工神經(jīng)網(wǎng)絡(luò)的基本理論、設(shè)計方法及實現(xiàn)技術(shù)的適用教材。

　　本書具有以下特點：①注重物理概念內(nèi)涵的論述，盡量避免因煩瑣的數(shù)學(xué)推導(dǎo)影響讀者的學(xué)習(xí)興趣；②加強舉例與思考練習(xí)，并對選自科技論文的應(yīng)用實例進行改編、分析與說明，避免將科技論文直接縮寫為應(yīng)用實例；③對常用網(wǎng)絡(luò)及算法著重介紹其實用設(shè)計方法，以便讀者通過學(xué)習(xí)與練習(xí)獲得獨立設(shè)計人工神經(jīng)網(wǎng)絡(luò)的能力；④在內(nèi)容的選擇和編排上注意到讀者初次接觸新概念的易接受性和思維的邏輯性，力求深入淺出，自然流暢；⑤各章選擇的神經(jīng)網(wǎng)絡(luò)均應(yīng)用廣泛，且所需數(shù)學(xué)基礎(chǔ)不超出研究生數(shù)學(xué)課程范圍。

　�、羧珪卜�12章。第1章對人腦與計算機信息處理能力與機制進行了比較，歸納了人腦生物神經(jīng)網(wǎng)絡(luò)的基本特征與功能，介紹了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展簡史及主要應(yīng)用領(lǐng)域。第2章闡述了人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識，包括人腦的結(jié)構(gòu)與神經(jīng)系統(tǒng)、生物神經(jīng)元信息處理機制、人工神經(jīng)元模型、人工神經(jīng)網(wǎng)絡(luò)模型以及幾種常用學(xué)習(xí)算法。第3章討論了常用前饋神經(jīng)網(wǎng)絡(luò)，重點論述了基于誤差反向傳播算法的多層前饋網(wǎng)絡(luò)的拓撲結(jié)構(gòu)、算法原理、設(shè)計方法及應(yīng)用實例，并給出基于ＭＡＴＬＡＢ的ＢＰ網(wǎng)絡(luò)應(yīng)用實例。第4章討論了競爭學(xué)習(xí)的概念與原理，在此基礎(chǔ)上論述了自組織特征映射、學(xué)習(xí)矢量量化、對偶傳播以及自適應(yīng)共振等多種自組織神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、原理及算法，并重點介紹了自組織特征映射網(wǎng)絡(luò)的設(shè)計與應(yīng)用，給出了基于ＭＡＴＬＡＢ的ＳＯＭ網(wǎng)絡(luò)聚類應(yīng)用實例。第5章闡述了徑向基函數(shù)網(wǎng)絡(luò)的原理、學(xué)習(xí)算法及設(shè)計應(yīng)用實例，并給出了基于ＭＡＴＬＡＢ的ＲＢＦ網(wǎng)絡(luò)應(yīng)用實例。第6章討論了幾種用于聯(lián)想記憶及優(yōu)化計算的反饋神經(jīng)網(wǎng)絡(luò)，包括離散型與連續(xù)型Ｈｏｐｆｉｅｌｄ網(wǎng)絡(luò)，雙向聯(lián)想記憶網(wǎng)絡(luò)以及隨機神經(jīng)網(wǎng)絡(luò)玻爾茲曼機。第7章簡要介紹了智能控制中常用的局部逼近神經(jīng)網(wǎng)絡(luò)———小腦模型控制器。第8章論述了近年得到廣泛應(yīng)用的深度神經(jīng)網(wǎng)絡(luò)，討論了受限玻爾茲曼機和深度置信網(wǎng)，介紹了卷積神經(jīng)網(wǎng)絡(luò)基本概念及原理，以及堆棧式自動編碼器。第9章論述了支持向量機的原理、算法和設(shè)計實例，并給出了基于ＭＡＴＬＡＢ的支持向量機分類應(yīng)用實例。第10章介紹了遺傳算法的基本原理與操作，給出了在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)優(yōu)化中的應(yīng)用實例。第11章介紹了人工神經(jīng)網(wǎng)絡(luò)的軟件實現(xiàn)方法和硬件實現(xiàn)技術(shù)。第12章介紹了人工神經(jīng)系統(tǒng)的基本概念、體系結(jié)構(gòu)、控制特性、信息模式和應(yīng)用示例，作為學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)的擴展知識。

　　本書的出版得到北京工商大學(xué)研究生院的資助。

　　書中疏漏之處，懇請同行專家和廣大讀者指正。

　　編著者

前言第１章　緒論１ �。�. １　人工神經(jīng)網(wǎng)絡(luò)概述１　�。�. １. １　人腦與計算機信息處理能力的比較２　�。�. １. ２　人腦與計算機信息處理機制的比較３　�。�. １. ３　什么是人工神經(jīng)網(wǎng)絡(luò) ４　１. ２　人工神經(jīng)網(wǎng)絡(luò)發(fā)展簡史５　�。�. ２. １　啟蒙時期５　�。�. ２. ２　低潮時期７　　１. ２. ３　復(fù)興時期８　�。�. ２. ４　新時期９　�。�. ２. ５　海量數(shù)據(jù)時代１２　�。�. ２. ６　國內(nèi)研究概況１２ �。�. ３　神經(jīng)網(wǎng)絡(luò)的基本特征與功能１３　�。�. ３. １　神經(jīng)網(wǎng)絡(luò)的基本特點１３　�。�. ３. ２　神經(jīng)網(wǎng)絡(luò)的基本功能１３　１. ４　神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域１５　�。�. ４１　信息處理領(lǐng)域１５　�。�. ４. ２　自動化領(lǐng)域１６　�。�. ４. ３　工程領(lǐng)域１６　　１. ４. ４　醫(yī)學(xué)領(lǐng)域１７　�。�. ４. ５　經(jīng)濟領(lǐng)域１７　本章小結(jié) １８　習(xí)題１９第２章　人工神經(jīng)網(wǎng)絡(luò)建模基礎(chǔ) ２０ �。�. １　腦的生物神經(jīng)系統(tǒng)概述２０　�。�. １. １　人體神經(jīng)系統(tǒng)的構(gòu)成２０　　２. １. ２　高級中樞神經(jīng)系統(tǒng)的功能２１　�。�. １. ３　腦組織的分層結(jié)構(gòu) ２２ �。�. ２　生物神經(jīng)網(wǎng)絡(luò)基礎(chǔ) ２３　�。�. ２. １　生物神經(jīng)元的結(jié)構(gòu) ２３　�。�. ２. ２　生物神經(jīng)元的信息處理機理２４　２. ３　人工神經(jīng)元模型２６　�。�. ３. １　神經(jīng)元的建模２６　�。�. ３. ２　神經(jīng)元的數(shù)學(xué)模型２７　�。�. ３. ３　神經(jīng)元的變換函數(shù) ２８ �。�. ４　人工神經(jīng)網(wǎng)絡(luò)模型３０　�。�. ４. １　網(wǎng)絡(luò)拓撲結(jié)構(gòu)類型３０　�。�. ４. ２　網(wǎng)絡(luò)信息流向類型３１ �。�. ５　神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) ３２　　２. ５. １�。龋澹猓猓椋幔� 學(xué)習(xí)規(guī)則３４　�。�. ５. ２　離散感知器學(xué)習(xí)規(guī)則３５　　２. ５. ３　連續(xù)感知器學(xué)習(xí)規(guī)則３６　�。�. ５. ４　最小方均學(xué)習(xí)規(guī)則３７　　２. ５. ５　相關(guān)學(xué)習(xí)規(guī)則３８　�。�. ５. ６　勝者為王學(xué)習(xí)規(guī)則３８　�。�. ５. ７　外星學(xué)習(xí)規(guī)則３８　本章小結(jié) ４０　習(xí)題４０第３章　感知器神經(jīng)網(wǎng)絡(luò) ４２　３. １　單層感知器４２　�。�. １. １　感知器模型４２　　３. １. ２　感知器的功能４３　�。�. １. ３　感知器的局限性４５　　３. １. ４　感知器的學(xué)習(xí)算法４５ �。�. ２　多層感知器４７ �。�. ３　自適應(yīng)線性單元簡介４９　�。�. ３. １�。粒模粒蹋桑危� 模型４９　�。�. ３. ２�。粒模粒蹋桑危� 學(xué)習(xí)算法４９　�。�. ３. ３�。粒模粒蹋桑危� 應(yīng)用５１ �。�. ４　誤差反傳算法５１ Ⅵ　　�。�. ４. １　基于ＢＰ算法的多層感知器模型５２　　３. ４. ２�。拢� 學(xué)習(xí)算法５３　　３. ４. ３�。拢� 算法的程序?qū)崿F(xiàn) ５６　�。�. ４. ４　多層感知器的主要能力５７　�。�. ４. ５　誤差曲面與ＢＰ算法的局限性５８ �。�. ５　標準ＢＰ算法的改進５９　　３. ５. １　增加動量項５９　�。�. ５. ２　自適應(yīng)調(diào)節(jié)學(xué)習(xí)率５９　�。�. ５. ３　引入陡度因子６０ �。�. ６　基于ＢＰ算法的多層感知器設(shè)計基礎(chǔ) ６０　�。�. ６. １　網(wǎng)絡(luò)信息容量與訓(xùn)練樣本數(shù) ６０　　３. ６. ２　訓(xùn)練樣本集的準備６１　�。�. ６. ３　初始權(quán)值的設(shè)計６４　�。�. ６. ４　多層感知器結(jié)構(gòu)設(shè)計６５　�。�. ６. ５　網(wǎng)絡(luò)訓(xùn)練與測試６６ �。�. ７　基于ＢＰ算法的多層感知器應(yīng)用與設(shè)計實例６７　�。�. ７. １　基于ＢＰ算法的多層感知器用于催化劑配方建模６７　�。�. ７. ２　基于ＢＰ算法的多層感知器用于汽車變速器最佳擋位判定６８　�。�. ７. ３　基于ＢＰ算法的多層感知器用于圖像壓縮編碼６９　�。�. ７. ４　基于ＢＰ算法的多層感知器用于水庫優(yōu)化調(diào)度６９ �。�. ８　基于ＭＡＴＬＡＢ的ＢＰ網(wǎng)絡(luò)應(yīng)用實例７０　　３. ８. １�。拢� 網(wǎng)絡(luò)用于數(shù)據(jù)擬合７０　�。�. ８. ２�。拢� 網(wǎng)絡(luò)用于鳶尾花分類問題７２　擴展資料７６　本章小結(jié) ７７　習(xí)題７７第４章　自組織競爭神經(jīng)網(wǎng)絡(luò) ８０ �。�. １　競爭學(xué)習(xí)的概念與原理８０　　４. １. １　基本概念８０　�。�. １. ２　競爭學(xué)習(xí)原理８２ �。�. ２　自組織特征映射神經(jīng)網(wǎng)絡(luò) ８４　�。�. ２. １�。樱希疲� 網(wǎng)的生物學(xué)基礎(chǔ) ８５　�。�. ２. ２�。樱希疲� 網(wǎng)的拓撲結(jié)構(gòu)與權(quán)值調(diào)整域８５　　４. ２. ３　自組織特征映射網(wǎng)的運行原理與學(xué)習(xí)算法８６　�。�. ２. ４�。樱希疲� 網(wǎng)的設(shè)計基礎(chǔ) ９０　�。�. ２. ５　應(yīng)用與設(shè)計實例９２ �。�. ３　學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò) ９５　　４. ３. １　向量量化９５　�。�. ３. ２�。蹋郑� 網(wǎng)絡(luò)結(jié)構(gòu)與工作原理９６　�。�. ３. ３�。蹋郑� 網(wǎng)絡(luò)的學(xué)習(xí)算法９７ �。�. ４　對偶傳播神經(jīng)網(wǎng)絡(luò) ９８　�。�. ４. １　網(wǎng)絡(luò)結(jié)構(gòu)與運行原理９８　�。�. ４. ２�。茫校� 的學(xué)習(xí)算法９９　�。�. ４. ３　改進的ＣＰＮ網(wǎng) １００　　

你還可能感興趣

我要評論