新書推薦：
《
为何生活越来越像走钢索
》
售價：NT$
325.0
《
情感的转化力量：AEDP的疗愈之路
》
售價：NT$
671.0
《
美国产业关系领域的起源与演变
》
售價：NT$
381.0
《
拐点：站在AI颠覆世界的前夜
》
售價：NT$
386.0
![竞争优势：透视企业护城河（珍藏版） 6[美]布鲁斯·格林沃尔德](http://103.6.6.66/upload/mall/productImages/24/15/9787111748816.jpg)
《
竞争优势：透视企业护城河（珍藏版） 6[美]布鲁斯·格林沃尔德
》
售價：NT$
554.0
《
日本通史（修订本）上下
》
售價：NT$
1445.0
《
好的爱，有边界
》
售價：NT$
330.0
《
心悦读丛书·倍速社会：快电影、剧透与新消费文化
》
售價：NT$
325.0
|
| 內容簡介： |
人工神经网络ArtificialNeuralNetworks，ANN是模拟生物神经系统的组织结构、处理方式和系统功能的简化人工系统；是一门涉及面广、综合性强、有半个多世纪研究历史的跨领域交叉学科，涉及自动化、电子工程、计算机科学、数学、统计学、神经生物学、心理思维科学等众多相关学科；由于其并行计算、分布式存储、高度容错、非线性自适应处理能力等显著特点，在模式识别、智能控制、组合优化、系统辨识与预测以及智能信息处理等领域都得到广泛的成功应用。20世纪80年代中期以来，人工神经网络简称“神经网络”研究不断地涌现出新的热潮，我国学术界也开始更深入地关注和引领该领域的研究与发展。近20年来，神经网络的理论研究和实际应用在许多领域取得了显著的进展，在国内外都进入了一个蓬勃发展的好时期。
在神经网络理论日渐成熟，它的应用逐渐扩大和深入的形势下，如何把握神经网络新的研究方向，向读者以及广大神经网络研究者介绍神经网络系统理论的最新发展，成为神经网络教科工作者面临的一大挑战。本书系统化地阐述了笔者在人工神经网络方面的最新研究成果，既给读者提供了神经网络研究中的新方向、新思路、新视角，又给出了一个相对全面的介绍，可供相关领域研究人员、教师、学生参考。
通过分析、探讨传统学习型神经网络及其算法存在的诸多尚未解决的内在不确定性问题，从神经生物学角度出发和思考，在函数逼近论相关知识点启发下，本书提出了一种神经网络权值直接确定的方法。不同于传统的神经网络迭代学习思想，新方法可以一步直接计算出学习型神经网络的最优权值，展示其在计算速度和学习精度方面的优越性。考虑到人工神经网络拓扑结构与其性能有着密切的关系，因此，围绕网络结构隐神经元数进行性能优化一直以来都是人工神经网络研究的一个重要方向；基于提出的权值直接确定方法，本书提出了神经网络结构隐神经元数最优确定算法，从而可以快速确定性地得到神经网络的最佳或较佳拓扑结构。
|
| 目錄：
|
第1章 人工神经网络概述
1.1 神经网络的基本概念
1.1.1 什么是人工神经网络
1.1.2 人工神经网络的生物学基础
1.1.3 人工神经元模型
1.1.4 人工神经网络模型
1.1.5 神经网络学习算法
1.2 神经网络发展简史
1.3 神经网络应用
1.3.1 模式识别
1.3.2 自动控制
1.3.3 信号处理
1.3.4 人工智能
参考文献
第2章 传统神经网络及学习算法
2.1 感知器
2.1.1 简单单层感知器网络
2.1.2 单层感知器神经网络
2.1.3 单层感知器的有教师学习算法
2.1.4 单层感知器网络的局限性
2.2 径向基网络
2.3 Hopfield神经网络
2.4 误差回传BP神经网络
2.5 MATLAB神经网络工具箱
参考文献
第3章 BP神经网络
3.1 BP神经网络的发展
3.2 BP神经元及神经网络模型
3.3 BP神经网络学习算法
3.3.1 信号的正向传递
3.3.2 BP学习算法的误差反向传播与权值阈值更新增量
3.3.3 网络权值阈值更新公式
3.4 BP神经网络的局限
3.4.1 局部极小点
3.4.2 学习／收敛速度慢
3.4.3 网络结构难以确定
3.5 标准BP算法的改进
3.5.1 增加动量项的BP学习算法
3.5.2 可变学习率的BP算法
3.5.3 弹性BP学习算法
3.5.4 共轭梯度法改进
3.5.5 Levenber9—Marquardt算法
3.6 计算机简单示例
参考文献
第4章 权值直接确定法
4.1 相关数学基础
4.1.1 最佳逼近理论
4.1.2 多元多项式的逼近理论
4.1.3 矩阵伪逆与线性方程组求解
4.2 幂激励前向神经网络
4.2.1 网络模型与理论基础
4.2.2 基于BP算法的迭代公式
4.2.3 权值直接确定公式
4.2.4 计算机仿真实例
4.2.5 小结与思考
参考文献
附录
第5章 权值可直接确定的神经网络模型（一）
第6章 权值可直接确定的神经网络模型（二）
第7章 权值可直接确定的其他神经网络模型
第8章 神经网络结构自确定
第9章 基于值直接确定法的网络结构自确定算法
第10章 多输入神经网络权值与结构确定
|
| 內容試閱：
|
第1章 人工神经网络概述
人工神经网络ArtificialNeuralNetwork，ANN，以下如无特别指出，则简称“神经网络”，NN是模拟生物神经系统的组织结构、处理方式和系统功能的简化系统；是人工智能的一个分支，是一门始于20世纪40年代的新兴交叉学科，涉及数学、电子与控制、计算机科学、脑科学、神经生理学、认知科学、非线性动力学等众多学科领域。众所周知，人类大脑是思维活动的物质基础，而思维是人类智能的集中体现。长期以来，人们试图了解人脑的工作机理从而模仿人脑的功能。人工神经网络就是这样一类由大量处理单元神经元广泛互连而成的网络，是对人脑的抽象、简化和模拟，试图反映人脑的基本特性。自1943年第一个神经元模型——M—PMcCulloch—Pitts模型被提出以来，人工神经网络研究经历了曲折的发展过程，迄今已建立了数十种甚至更多的网络模型，并以其特有的并行处理、分布式存储、自适应自组织自学习和高度容错能力而受到广泛关注，是近年来的热点研究领域之一，其应用范围更是涉及前述的计算机科学与技术、信息与通信工程、电气工程、人工智能、模式识别和控制工程等诸多学科和领域。
1.1神经网络的基本概念
本章下文将介绍人工神经网络的基本概念，以期读者有个轮廓性的了解，也为以后各章的具体讨论奠定相关的背景知识和基础。
1.1.1什么是人工神经网络
人脑是生物进化的最高产物，是人类智能、思维和情绪等高级精神活动的物质基础。现代科学的发展使得人类有条件对大脑的神经网络进行分析和研究，从而揭示人脑的工作机理，了解神经系统的工作本质。依据脑科学和神经生理.学，我们可以得到如下共识：神经元是布满在人类大脑皮层上的神经细胞，神经元之间彼此广泛互连从而形成生物神经网络；人脑神经网络以生物神经元为基本处理单元，对信息进行分布式存储与加工；构成神经系统的神经元采用群体协同的工作方式，从而使得人脑呈现出了神奇的智能。
……
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
