您好,欢迎来到聚文网。 登录 免费注册
人工神经网络 模型、算法及应用

人工神经网络 模型、算法及应用

  • 字数: 551000
  • 装帧: 平装
  • 出版社: 电子工业出版社
  • 出版日期: 2022-09-01
  • 商品条码: 9787121435164
  • 版次: 1
  • 开本: 16开
  • 页数: 328
  • 出版年份: 2022
定价:¥69 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
本书较全面地阐述了人工神经网络的理论知识,介绍了多种经典的人工神经网络模型结构、学习算法和实际应用。本书共11章,第1章介绍人工神经网络的定义、发展、生理学机理、神经元模型、拓扑结构、学习算法等;第2章介绍感知机的基本原理、学习算法及应用;第3章介绍多层前馈神经网络的基本原理、学习算法及应用;第4章介绍不同正则化理论、相应神经网络及应用;第5章介绍不同极限学习机模型、支持向量机及应用;第6章介绍形态神经网络的模型结构、学习算法、鲁棒性分析及应用;第7章介绍自组织映射和核自组织映射的基本原理及应用;第8章介绍典型卷积神经网络的模型结构和基本原理,阐述卷积神经网络的变体及应用;第9章介绍基本的生成对抗网络、自注意生成对抗网络、进化生成对抗网络、迁移学习和对抗领域自适应等网络模型,阐述生成对抗网络的学习算法、训练技巧及应用;第10章介绍长短时记忆网络和递归神经网络的模型、学习算法及应用:第11章介绍模糊神经网络,包括模糊集合和模糊逻辑的基本概念和运算,模糊神经网络的模型结构、性能分析、学习算法及应用。本书可作为计算机科学与技术、软件工程、人工智能、智能科学与技术、生物医学工程等专业本科生和研究生的教材或参考书,也可供相关领域关注人工神经网络理论及应用的工程技术人员和科研人员学习参考。
目录
第1章 绪论
1.1 什么是人工神经网络
1.2 发展历史
1.3 人脑
1.4 Hebb法则
1.5 神经元模型
1.6 神经网络的拓扑结构
1.7 知识表示
1.8 神经网络的学习算法
1.9 神经网络的学习任务
1.10 小结
参考文献
第2章 感知机
2.1 引言
2.2 实例引入
2.3 Rosenblatt感知机
2.3.1 感知机的结构
2.3.2 单层感知机与多层感知机
2.3.3 感知机的学习
2.4 最小均方误差
2.4.1 线性回归问题引入
2.4.2 最小均方算法
2.5 实战Iris模式分类
2.6 小结
参考文献
习题
第3章 多层前馈神经网络
3.1 引言
3.2 多层前馈神经网络模型结构
3.3 BP神经网络
3.3.1 BP神经网络的介绍
3.3.2 BP算法
3.3.3 编程实战
3.4 RBF神经网络
3.4.1 什么是RBF神经网络
3.4.2 RBF神经网络的学习过程
3.4.3 RBF神经网络与BP神经网络的区别
3.5 泛化能力
3.5.1 什么是泛化
3.5.2 如何提高泛化能力
3.6 函数逼近
3.6.1 通用逼近定理
3.6.2 逼近误差的边界
3.6.3 维数灾难
3.7 BP算法的优点和缺点
3.7.1 BP算法的优点
3.7.2 BP算法的缺点
3.8 人脸识别应用
3.8.1 人脸图像的小波变换
3.8.2 BP神经网络的分类识别
3.8.3 RBF神经网络的分类识别
3.8.4 实验结果
3.9 小结
参考文献
习题
第4章 正则化理论
4.1 引言
……
第5章 极限学习机模型及应用
第6章 形态神经网络
第7章 自组织映射
第8章 卷积神经网络模型及应用
第9章 生成对抗网络模型
第10章 长短时记忆网络
第11章 模糊神经网络

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网