人工神经网络理论及应用 - 中国高校教材图书网
|
书名： |
人工神经网络理论及应用
|
| ISBN： | 9787560652535 |
条码： | |
| 作者： |
文常保
相关图书
|
装订： | 0 |
| 印次： | 1-1 |
开本： | 16开 |
| 定价： |
￥39.00
折扣价：￥37.05
折扣：0.95
节省了1.95元
|
字数： |
350千字
|
| 出版社： |
西安电子科技大学出版社 |
页数： |
240页
|
| 发行编号： | |
每包册数： |
12
|
| 出版日期： |
2019-03-27 |
|
|
| 内容简介： |
《人工神经网络理论及应用》主要介绍生物神经网络理论基础、人工神经网络概述、人工神经网络数理基础、感知器、BP神经网络、RBF神经网络、ADALINE神经网络、Hopfield神经网络、深度卷积神经网络、生成式对抗网络、Elman神经网络、AdaBoost神经网络、SOFM神经网络、基于Simulink的人工神经网络建模、基于GUI的人工神经网络设计等基本内容，这些内容是进一步掌握人工神经网络发展、理论、实践及应用的基础。
《人工神经网络理论及应用》可作为相关专业的本科学生和研究生教材，也可作为人工神经网络理论、实践及应用的工程技术人员的自学和参考用书。
|
| 作者简介： |
|
|
| 章节目录： |
第一篇 人工神经网络基础篇
第1章 生物神经网络理论基础 3
1.1 生物神经元的结构和功能 3
1.2 神经系统的电活动 4
1.3 人脑的信息存储 6
1.4 人脑与电脑 8
习题 10
参考文献 11
第2章 人工神经网络概述 12
2.1 人工神经网络发展历程 12
2.2 人工神经网络特点 18
2.3 人工神经网络应用 19
习题 23
参考文献 24
第3章 人工神经网络数理基础 25
3.1 神经元模型 25
3.2 导数 29
3.3 微分 30
3.3.1 定义 30
3.3.2 定理与性质 30
3.4 积分 30
3.4.1 定义 30
3.4.2 定积分定理与性质 31
3.5 梯度 31
3.6 行列式 32
3.7 矩阵 32
3.7.1 概念 32
3.7.2 矩阵的运算 33
3.7.3 矩阵运算性质 33
3.8 向量 34
3.8.1 定义 34
3.8.2 向量的运算和向量内积的准则 34
3.8.3 线性表示与线性相关 34
3.9 特征值与特征向量 34
3.10 随机事件与概率 35
3.11 范数 36
3.11.1 定义 36
3.11.2 向量的范数 36
3.11.3 矩阵的范数 36
习题 37
参考文献 37
第二篇 人工神经网络理论篇
第4章 感知器 41
4.1 概述 41
4.2 感知器的结构和原理 42
4.2.1 感知器的结构 42
4.2.2 感知器的原理 42
4.2.3 感知器的学习策略 44
4.3 单层感知器 44
4.3.1 单层感知器模型 44
4.3.2 单层感知器的功能 46
4.3.3 单层感知器的学习算法 47
4.3.4 单层感知器的局限性 49
4.4 多层感知器 50
4.4.1 多层感知器的结构和特点 50
4.4.2 多层感知器的功能 51
4.4.3 多层感知器的学习算法 53
4.5 应用案例 54
习题 58
参考文献 59
第5章 BP神经网络 60
5.1 概述 60
5.2 BP神经网络结构 61
5.3 BP神经网络算法 62
5.3.1 算法原理 62
5.3.2 反向传播实例 66
5.4 BP算法的不足与改进 68
5.4.1 BP算法的不足 68
5.4.2 BP算法的改进 70
5.5 应用案例 72
习题 78
参考文献 79
第6章 RBF神经网络 80
6.1 概述 80
6.2 RBF神经网络结构和原理 81
6.3 RBF神经网络算法 82
6.4 RBF神经网络的相关问题 84
6.5 应用案例 85
习题 87
参考文献 88
第7章 ADALINE神经网络 89
7.1 概述 89
7.2 ADALINE结构和原理 89
7.2.1 单层ADALINE模型 89
7.2.2 算法原理 90
7.2.3 多层ADALINE模型 92
7.3 应用案例 94
习题 98
参考文献 98
第8章 Hopfield神经网络 99
8.1 概述 99
8.2 离散Hopfield神经网络 99
8.2.1 网络结构 99
8.2.2 工作方式 100
8.2.3 网络的稳定性 101
8.2.4 网络算法 102
8.3 连续Hopfield神经网络 104
8.3.1 网络结构 104
8.3.2 网络的稳定性 106
8.4 应用案例 106
习题 112
参考文献 112
第9章 深度卷积神经网络 113
9.1 概述 113
9.2 深度卷积神经网络的结构和原理 113
9.2.1 深度卷积神经网络的结构 113
9.2.2 深度卷积神经网络的原理 115
9.3 几种基本的深度卷积神经网络 116
9.3.1 AlexNet 116
9.3.2 VGGNet 117
9.3.3 ResNet 118
9.4 应用案例 119
9.4.1 几种深度学习应用框架 119
9.4.2 基于AlexNet的图像识别 120
习题 123
参考文献 123
第10章 生成式对抗网络 124
10.1 概述 124
10.2 生成式对抗网络的结构 125
10.3 生成式对抗网络算法 126
10.4 改进的生成式对抗网络 128
10.5 应用案例 130
习题 133
参考文献 133
第11章 Elman神经网络 134
11.1 概述 134
11.2 Elman神经网络结构和原理 134
11.3 Elman 神经网络的学习算法 136
11.4 Elman 神经网络稳定性分析 137
11.5 应用案例 139
习题 143
参考文献 143
第12章 AdaBoost神经网络 144
12.1 概述 144
12.2 AdaBoost网络结构和算法 144
12.3 AdaBoost算法中的影响因素 147
12.3.1 AdaBoost算法的训练误差分析 147
12.3.2 AdaBoost分类问题中的损失函数 148
12.3.3 AdaBoost算法的正则化 149
12.4 应用案例 150
习题 155
参考文献 156
第13章 SOFM神经网络 157
13.1 概述 157
13.2 SOFM神经网络的结构 157
13.3 SOFM神经网络的原理和学习算法 158
13.3.1 SOFM神经网络的原理 158
13.3.2 SOFM神经网络的学习算法 160
13.4 应用案例 161
习题 166
参考文献 166
第三篇 人工神经网络实践及应用篇
第14章 基于Simulink的人工神经网络建模 169
14.1 概述 169
14.2 Simulink启动和神经网络模块库 169
14.2.1 Simulink的启动 169
14.2.2 Simulink神经网络模块库 171
14.3 模型的设置和操作 175
14.3.1 模块的操作 175
14.3.2 信号线的操作 176
14.3.3 仿真参数的设置 176
14.3.4 常用模块的设置 177
14.4 单神经元建模 180
14.5 函数逼近的Simulink仿真模型 183
14.5.1 参数未改变的模型及仿真 183
14.5.2 改变参数的模型及仿真 185
14.6 应用案例 189
习题 193
参考文献 193
第15章 基于GUI的人工神经网络设计 194
15.1 概述 194
15.2 软件架构设计 194
15.3 创建工程 195
15.3.1 FIG文件编辑器 197
15.3.2 M文件编辑器 198
15.4 主页面设计 199
15.5 交互式参数设置 202
15.6 软件主要功能设计 204
15.6.1 检测识别 205
15.6.2 处理建议 214
15.7 辅助功能 217
15.8 帮助文件制作 219
习题 221
参考文献 222
附录A GUI对象的常用属性 223
附录B 特殊字符格式说明 226
附录C 软件代码 227
|
| 精彩片段： |
|
|
| 书 评： |
|
|
| 其 它： |
|
|
|
中国大学出版社协会 |
首页 |
宏观指导 |
出版社天地 |
图书代办站 |
教材图书信息 |
教材图书评论 |
在线订购 |
教材征订
