《神经网络原理》原书第二版

叶世伟等译9787111127595机械工业出版社

神经网络，或者更精确地说人工神经网络，是一种植根于许多学科的技术，其中涉及神经科学、数学、统计学、物理学、计算机科学和工程学。神经网络具有的一个重要性质，即在有教师或无教师的情况下能够从输人数据中进行学习的能力，这使得它在不同领域中得到应用，如建模、时间序列分析、模式识别、信号处理和控制。
由于神经网络具有多学科性，本书对该主题进行了综合论述，并给出了大量例子、基于计算机的实验、习题以及参考文献进行补充分析。
本书由四部分组成，组织如下：
1.介绍材料，由第1章和第 2 章组成。第 1 章大体上定性描述什么是神经网络，它们的性质、组成及其怎样和人工智能相联系。这章以一些历史注释结束。第2章提供学习过程的许多侧面的概述及其统计性质。该章引进了一个重要概念，即Vapnik-Chervonenkis（VC）维数，用于度量学习机器所实现的一簇分类函数的容量。
2.有教师学习机器，由第 3章至第 7章组成。第3章研究这部分中最简单的神经网络：涉及一个或多个输出神经元但无隐藏神经元的网络。该章描述最小均方（LMS）算法（在设讣线性自适应滤波器时非常流行）和感知器收敛定理。第4章给出利用反向传播算法训练的多层感知器的完全处理。这个算法（代表LMS算法的一种推广）已经作为神经网络的推进器而出现。第5章给出另一类分层神经网络即径向基函数网络详细的数学处理，它们的构成包括一层基函数。这一章强调在设计 RBF 网络中正则化理论的作用。第 6 章描述一类比较新的学习机器，即支持向量机，它的理论建立在第2章给出的统计学习理论的材料上。本书第二

第1章
导言
1.1 什么是神经网络
1.2 人脑
1.3 神经元模型
1.4 看作有向图的神经网络
1.5 反馈
1.6 网络结构
1.7 知识表示
1.8 人工.智能和神经网络
1.9 历史注释
注释和参考文献
习题
第2章
学习过程
2.1 简介
2.2 误差修正学习
2.3 基于记忆的学习
2.4 Hebb 学习
2.5竞争学习
2.6 Boltzmann 学习
2.7 信任赋值问题
2.8 有教师学习
2.9 无教师学习
2.10 学习任务
2.11 记忆
2.12 自适应

仅供学习

本文链接：https://www.wodfd.com/1552.html

备用下载链接：https://www.wodfd.com/1225.html