面向MATLAB工具箱的神经网络理论与应用(第二版) - 中国高校教材图书网
|
|
|
书名： |
面向MATLAB工具箱的神经网络理论与应用(第二版)
|
| ISBN： | 7-312-01048-2 |
条码： | |
| 作者： |
丛 爽
相关图书
|
装订： | 平装 |
| 印次： | 1-1 |
开本： | 大32开 |
| 定价： |
￥20.00
折扣价：￥18.00
折扣：0.90
节省了2元
|
字数： |
|
| 出版社： |
中国科学技术大学出版社 |
页数： |
|
| 发行编号： | |
每包册数： |
|
| 出版日期： |
2003-05-01 |
|
|
| 内容简介： |
本书利用目前国际上流行通用的MATLAB6.1环境，结合神经网络工具箱4.0版本，在深入浅出地介绍人工神经网络中的各种典型网络如：感知器、自适应线性元件、反向传播网络、反馈网络、自组织竞争网络、特性图等人工神经网络结构、功能、学习规则以及训练过程的基础上，利用MATLAB工具箱进行网络的设计与应用，给出各种神经网络在不同应用中的网络性能分析与直观的图形结果。使读者更加透彻地了解各种神经网络的性能及其优缺点，从而达到正确、合理和充分应用神经网络的目的。
本书可作为计算机、电子学、信息科学、通讯 控制等专业的高年级本科生、研究生以及其他专业科技人员学习神经网络或学习MATLAB及其神经网络工具箱时的教材或参考书。
|
| 作者简介： |
|
|
| 章节目录： |
前言
第二版前言
第一章 概 述......................................................1
1.1 人工神经网络概念的提出........................................1
1.2 神经细胞以及人工神经元的组成 2
1.3 人工神经网络应用领域 3
1.4 人工神经网络发展的回顾 4
1.5 人工神经网络的基本结构与模型 6
1.5.1 人工神经元的模型 6
1.5.2 激活转移函数 7
1.5.3 单层神经元网络模型结构 9
1.5.4 多层神经网络 10
1.5.5 反馈网络 12
1.6 用MATLAB计算人工神经网络输出12
1.7 本章小结 12
习题 15
第二章 感知器 17
2.1 感知器的网络结构 17
2.2 感知器的图形解释 18
2.3 感知器的学习规则 19
2.4 网络的训练 20
2.5 感知器的局限性 27
2.6 “异或”问题 29
2.7 解决线性可分性限制的办法 31
2.8 本章小结 31
习题 32
第三章 自适应线性元件 33
3.1 自适应线性神经元模型和结构 33
3.2 W-H学习规则 34
3.3 网络训练 35
3.4 例题与分析 36
3.5 对比与分析 46
3.6 单步延时线及其自适应滤波器的实现 47
3.7 自适应线性网络的应用 50
3.7.1 线性化建模 50
3.7.2 预测 51
3.7.3 消除噪声 52
3.8 本章小结 53
习题 53
第四章 反向传播网络 55
4.1 BP网络模型与结构 55
4.2 BP学习规则 56
4.2.1 信息的正向传递 57
4.2.2 利用梯度下降法求权值变化及误差的反向传播 57
4.2.3 误差反向传播的流程图与图形解释58
4.3 BP网络的训练及其设计过程 59
4.4 BP网络的设计 63
4.4.1 网络的层数 63
4.4.2 隐含层的神经元数 67
4.4.3 初始权值的选取 69
4.4.4 学习速率 70
4.4.5 期望误差的选取 71
4.5 限制与不足 71
4.6 反向传播法的改进方法 74
4.6.1 附加动量法 74
4.6.2 自适应学习速率 79
4.6.3 弹性BP算法 81
4.7 基于数值优化方法的网络训练算法 82
4.7.1 拟牛顿法 82
4.7.2 共轭梯度法 84
4.7.3 Levenberg-Marquardt法 84
4.8 数值实例对比 85
4.9 本章小结 89
习题 90
第五章 反馈网络 91
5.1 霍普菲尔德网络模型 91
5.2 状态轨迹 92
5.2.1 状态轨迹为稳定点 93
5.2.2 状态轨迹为极限环 94
5.2.3 混沌现象 94
5.2.4 状态轨迹发散 94
5.3 离散型霍普菲尔德网络 95
5.3.1 DHNN模型结构 95
5.3.2 联想记忆 96
5.3.3 DHNN的海布学习规则 97
5.3.4 影响记忆容量的因素 100
5.3.5 网络的记忆容量确定 102
5.3.6 正交化的权值设计方法 104
5.4 连续型霍普菲尔德网络112
5.4.1 对应于电子电路的网络结构 113
5.4.2 CHNN方程的解及稳定性分析 115
5.4.3 霍普菲尔德能量函数及其稳定性分析
5.4.4 能量函数与优化计算 122
5.4.4.1 能量函数设计的一般方法 123
5.4.4.2 具体设计步骤 124
5.5 本章小结 131
习题 132
第六章 自组织竞争人工神经网络 133
6.1 几种联想学习规则 133
6.1.1 内星学习规则 134
6.1.2 外星学习规则 137
6.1.3 科荷伦学习规则 139
6.2 自组织竞争网络 140
6.2.1 网络结构 140
6.2.2 竞争学习规则 142
6.2.3 竞争网络的训练过程 143
6.3 科荷伦自组织映射网络 146
6.3.1 科荷伦网络拓扑结构 147
6.3.2 网络的训练过程 149
6.4 对传网络 155
6.4.1 网络结构 155
6.4.2 学习法则 156
6.4.3 训练过程 156
6.5 自适应共振理论 157
6.5.1 ART1网络结构 158
6.5.2 ART1的运行过程 159
6.6 本章小结 164
习题 165
第七章 面向工具箱的神经网络实际应用 166
7.1 综 述 166
7.1.1 神经网络技术的选取 166
7.1.2 神经网络各种模型的应用范围 166
7.1.3 网络设计的基本原则 168
7.2 神经网络在控制系统中的应用 169
7.2.1 反馈线性化 169
7.2.2 问题的提出 170
7.2.3 神经网络设计 171
7.3 利用神经网络进行字母的模式识别 175
7.3.1 问题的阐述 175
7.3.2 神经网络的设计 176
7.4 用自组织竞争网络优化模糊神经网络的结构与参数 180
7.4.1 FNN控制器的设计 181
7.4.2 被控对象模型的辨识 184
7.4.3 FNN控制器的训练 188
7.4.4 采用SCNN优化模糊标记数与性能对比 193
附录A 参考文献 200
附录B MATLAB6.1神经网络工具箱函数一览表 204
附录C 软件 208
|
| 精彩片段： |
|
|
| 书 评： |
|
|
| 其 它： |
|
|
|
