神经网络设计

出版时间：2005-8  出版社：机械工业出版社  作者：戴葵  页数：463  
Tag标签：无  

内容概要

本书主要讲述神经网络的基本概念，介绍实用的网络模型、学习规则和训练方法。全书分19章，内容涵盖神经元模型和网络结构、感知机学习规则、有监督的Hebb学习、Widrow—Hoff学习算法、反向传播算法及其变形、联想学习、竞争网络、Grossberg网络、自适应谐振理论和Hopfield网络。书中注重对数学分析方法和性能优化的讨论，强调神经网络在模式识别、信号处理以及控制系统等实际工程问题中的应用。同时本书包含大量例题、习题，并配有基于MATLAB软件包的“神经网络设计演示”程序。本书可以作为大学高年级本科生或一年级研究生的神经网络课程教材，也可供从事相关研究工作的科技人员参考。

书籍目录

出版者的话专家委员会译者序前言第1章 绪论 1.1 目的 1.2 历史 1.3 应用 1.4 生物学的启示 参考文献第2章 神经元模型和网络结构 2.1 目的 2.1　理论和实例  2.2.1 符号  2.2.2　神经元模型  2.2.3 网络结构 2.3 小结 2.4 例题 2.5 结束语 习题第3章 一个说明性实例 3.1 目的 3.2　理论和实例  3.2.1 问题描述  3.2.2 感知机  3.2.3 Hamming网络  3.2.4 Hopfield网络 3.3 结束语 习题第4章 感知机学习规则 4.1 目的 4.2 理论和实例  4.2.1 学习规则  4.2.2 感知机的结构  4.2.3 感知机学习规则  4.2.4 收敛性证明 4.3 小结 4.4 例题 4.5 结束语 参考文献习题第5章 信号和权值向量空间 5.1 目的 5.2 理论和实例  5.2.1 线性向量空间  5.2.2 线性无关  5.2.3 生成空间  5.2.4 内积  5.2.5 范数  5.2.6 正交性  5.2.7 向量展开式 5.3 小结 5.4 例题 5.5 结束语 参考文献 习题第6章 神经网络中的线性变换 6.1 目的 6.2 理论和实例  6.2.1 线性变换  6.2.2 矩阵表示  6.2.3 基变换  6.2.4 特征值和特征向量 6.3 小结 6.4 例题 6.5 结束语 参考文献 习题第7章 有监督的Hebb学习第8章 性能曲面和最优点第9章 性能优化第10章 Widrow-Hoff学习算法第11章 反向传播第12章 反向传播算法的变形第13章 联想学习第14章 竞争网络第15章 Grossberg网络第16章 自适应谐振理论第17章 稳定性第18章 Hopfield网络第19章 结束语附录A 文献目录附录B 符号附录C 软件索引

编辑推荐

　　《神经网络设计》介绍了神经网络的基本结构和学习规则，重点是对这些神经网络的数学分析、训练方法和神经网络在模式识别、信号处理以及控制系统等工程实践问题中的应用。《神经网络设计》尽力用清晰和一致的方式来组织材料，以易于阅读和使用。对每个讨论的主题，使用大量例题来阐明。由于这是一本关于神经网络设计的书，因此在选择主题时我们依据了两个原则：首先，尽量采用最实用的神经网络结构、学习规则和训练方法其次，尽量保证该书的完整性，使读者从一章到下一章的学习感觉流畅。为此，在特定主题前，都会有一些相关的介绍性材料和应用数学基础的章节。总之，在我们选择的主题中，某些部分在神经网络实际应用中极其重要，而另一些部分对解释神经网络如何运算十分有用。

用户评论 (总计3条)

•   写的真的很好，非常适合初学者，经典啊！
•   介绍很全面，从历史的角度全面说明了ANN的各个发展阶段和成果，数学方面的基础也说明很多，不会有阅读困难，非常好~~~
•   感觉挺不错，原理讲得很清楚，要是再多点实例就更好了