中图网

>

研究生/本科/专科教材

>

工学

人工神经网络理论及应用

作者：韩力群

出版社：机械工业出版社出版时间：2017-07-01

开本： 32开 页数： 271

本类榜单：教材销量榜

中图价:¥27.9(7.0折) 定价 ~~¥39.8~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
中医基础理论

中医基础理论

¥51.7¥59
>
高校军事课教程

高校军事课教程

¥14.2¥38
>
思想道德与法治(2021年版)

思想道德与法治(2021年版)

¥8.8¥18
>
毛泽东思想和中国特色社会主义理论体系概论(2021年版)

毛泽东思想和中国特色社会主义理论体系概论(2021年版)

¥11¥25
>
中医内科学·全国中医药行业高等教育“十四五”规划教材

中医内科学·全国中医药行业高等教育“十四五”规划教材

¥85.1¥99
>
中医诊断学--新世纪第五版

中医诊断学--新世纪第五版

¥50.9¥58
>
中药学·全国中医药行业高等教育“十四五”规划教材

中药学·全国中医药行业高等教育“十四五”规划教材

¥85.1¥99

买过本商品的人还买了

程序设计语言编译原理
--
¥31.9~~¥49.0~~

商品详情
商品评论(0条)

中图价:¥27.9 加入购物车

版权信息
本书特色
内容简介
目录

人工神经网络理论及应用版权信息

ISBN：9787111559443
条形码：9787111559443 ; 978-7-111-55944-3
装帧：暂无
册数：暂无
重量：暂无
所属分类：
教材
>
研究生/本科/专科教材
>
工学

人工神经网络理论及应用本书特色

该书系统地论述了人工神经网络的主要理论、设计基础及应用实例，旨在使读者理解和熟悉神经网络的基本原理和主要应用，掌握它的结构和设计应用方法，为深入研究和应用开发打下基础。为了便于读者理解，书中尽量避免烦琐的数学推导，加强了应用举例，并在内容的选择和编排上注意到读者初次接触新概念的易接受性和思维的逻辑性，也注意引入目前神经网络研究领域的前沿知识如深度网络等。为便于读者能将理论转化为应用，在主要章节的后都给出了MATLAB的应用例子，并对程序和结果进行了详细的讲解。

人工神经网络理论及应用内容简介

该书系统地论述了人工神经网络的主要理论、设计基础及应用实例，旨在使读者理解和熟悉神经网络的基本原理和主要应用，掌握它的结构和设计应用方法，为深入研究和应用开发打下基础。为了便于读者理解，书中尽量避免烦琐的数学推导，加强了应用举例，并在内容的选择和编排上注意到读者初次接触新概念的易接受性和思维的逻辑性，也注意引入目前神经网络研究领域的前沿知识如深度网络等。为便于读者能将理论转化为应用，在主要章节的后都给出了MATLAB的应用例子，并对程序和结果进行了详细的讲解。

人工神经网络理论及应用目录

前言
第１章　绪论１
　１. １　人工神经网络概述１
　　１. １. １　人脑与计算机信息处理能力的
比较２
　　１. １. ２　人脑与计算机信息处理机制的
比较３
　　１. １. ３　什么是人工神经网络４
　１. ２　人工神经网络发展简史５
　　１. ２. １　启蒙时期５
　　１. ２. ２　低潮时期７
　　１. ２. ３　复兴时期８
　　１. ２. ４　新时期９
　　１. ２. ５　海量数据时代１２
　　１. ２. ６　国内研究概况１２
　１. ３　神经网络的基本特征与功能１３
　　１. ３. １　神经网络的基本特点１３
　　１. ３. ２　神经网络的基本功能１３
　１. ４　神经网络的应用领域１５
　　１. ４１　信息处理领域１５
　　１. ４. ２　自动化领域１６
　　１. ４. ３　工程领域１６
　　１. ４. ４　医学领域１７
　　１. ４. ５　经济领域１７
　本章小结１８
　习题１９
第２章　人工神经网络建模基础２０
　２. １　脑的生物神经系统概述２０
　　２. １. １　人体神经系统的构成２０
　　２. １. ２　高级中枢神经系统的功能２１
　　２. １. ３　脑组织的分层结构２２
　２. ２　生物神经网络基础２３
　　２. ２. １　生物神经元的结构２３
　　２. ２. ２　生物神经元的信息处理机理２４
　２. ３　人工神经元模型２６
　　２. ３. １　神经元的建模２６
　　２. ３. ２　神经元的数学模型２７
　　２. ３. ３　神经元的变换函数２８
　２. ４　人工神经网络模型３０
　　２. ４. １　网络拓扑结构类型３０
　　２. ４. ２　网络信息流向类型３１
　２. ５　神经网络学习３２
　　２. ５. １　Ｈｅｂｂｉａｎ学习规则３４
　　２. ５. ２　离散感知器学习规则３５
　　２. ５. ３　连续感知器学习规则３６
　　２. ５. ４　*小方均学习规则３７
　　２. ５. ５　相关学习规则３８
　　２. ５. ６　胜者为王学习规则３８
　　２. ５. ７　外星学习规则３８
　本章小结４０
　习题４０
第３章　感知器神经网络４２
　３. １　单层感知器４２
　　３. １. １　感知器模型４２
　　３. １. ２　感知器的功能４３
　　３. １. ３　感知器的局限性４５
　　３. １. ４　感知器的学习算法４５
　３. ２　多层感知器４７
　３. ３　自适应线性单元简介４９
　　３. ３. １　ＡＤＡＬＩＮＥ模型４９
　　３. ３. ２　ＡＤＡＬＩＮＥ学习算法４９
　　３. ３. ３　ＡＤＡＬＩＮＥ应用５１
　３. ４　误差反传算法５１
Ⅵ　
　　３. ４. １　基于ＢＰ算法的多层感知器
模型５２
　　３. ４. ２　ＢＰ学习算法５３
　　３. ４. ３　ＢＰ算法的程序实现５６
　　３. ４. ４　多层感知器的主要能力５７
　　３. ４. ５　误差曲面与ＢＰ算法的局限性５８
　３. ５　标准ＢＰ算法的改进５９
　　３. ５. １　增加动量项５９
　　３. ５. ２　自适应调节学习率５９
　　３. ５. ３　引入陡度因子６０
　３. ６　基于ＢＰ算法的多层感知器设计
基础６０
　　３. ６. １　网络信息容量与训练样本数６０
　　３. ６. ２　训练样本集的准备６１
　　３. ６. ３　初始权值的设计６４
　　３. ６. ４　多层感知器结构设计６５
　　３. ６. ５　网络训练与测试６６
　３. ７　基于ＢＰ算法的多层感知器应用与设计
实例６７
　　３. ７. １　基于ＢＰ算法的多层感知器用于
催化剂配方建模６７
　　３. ７. ２　基于ＢＰ算法的多层感知器用于
汽车变速器*佳挡位判定６８
　　３. ７. ３　基于ＢＰ算法的多层感知器用于
图像压缩编码６９
　　３. ７. ４　基于ＢＰ算法的多层感知器用于
水库优化调度６９
　３. ８　基于ＭＡＴＬＡＢ的ＢＰ网络应用实例７０
　　３. ８. １　ＢＰ网络用于数据拟合７０
　　３. ８. ２　ＢＰ网络用于鸢尾花分类问题７２
　扩展资料７６
　本章小结７７
　习题７７
第４章　自组织竞争神经网络８０
　４. １　竞争学习的概念与原理８０
　　４. １. １　基本概念８０
　　４. １. ２　竞争学习原理８２
　４. ２　自组织特征映射神经网络８４
　　４. ２. １　ＳＯＦＭ网的生物学基础８５
　　４. ２. ２　ＳＯＦＭ网的拓扑结构与权值
调整域８５
　　４. ２. ３　自组织特征映射网的运行原理与
学习算法８６
　　４. ２. ４　ＳＯＦＭ网的设计基础９０
　　４. ２. ５　应用与设计实例９２
　４. ３　学习向量量化神经网络９５
　　４. ３. １　向量量化９５
　　４. ３. ２　ＬＶＱ网络结构与工作原理９６
　　４. ３. ３　ＬＶＱ网络的学习算法９７
　４. ４　对偶传播神经网络９８
　　４. ４. １　网络结构与运行原理９８
　　４. ４. ２　ＣＰＮ的学习算法９９
　　４. ４. ３　改进的ＣＰＮ网１００

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐