图书介绍
人工神经网络原理PDF|Epub|txt|kindle电子书版本网盘下载
- 马锐编著 著
- 出版社： 北京：机械工业出版社
- ISBN：9787111312666
- 出版时间：2010
- 标注页数：210页
- 文件大小：14MB
- 文件页数：222页
- 主题词：人工神经元网络－高等学校－教材
PDF下载
下载说明
人工神经网络原理PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 人工神经网络的概念1
1.2 人工神经网络的发展历史2
1.2.1 兴起时期2
1.2.2 萧条时期3
1.2.3 兴盛时期5
1.2.4 高潮时期5
1.3 人工神经网络的特点6
1.4 人工神经网络的信息处理能力8
1.5 人工神经网络的功能8
1.6 人工神经网络的应用9
1.7 人工神经网络的主要研究方向10
1.8 人工神经网络与人工智能11
1.9 人工神经网络与传统计算12
1.10 本章小结13
1.11 习题13
第2章 人工神经网络基础15
2.1 生物神经系统15
2.1.1 生物神经元的结构15
2.1.2 生物神经元的功能16
2.2 人工神经元模型17
2.2.1 人工神经元的形式化描述17
2.2.2 转移函数18
2.3 M-P模型20
2.3.1 标准M-P模型21
2.3.2 延时M-P模型21
2.3.3 改进的M-P模型22
2.4 人工神经网络的互连结构22
2.5 人工神经网络的学习24
2.5.1 人工神经网络的学习方式24
2.5.2 基本的神经网络学习规则26
2.6 本章小结30
2.7 习题31
第3章 早期的自适应神经网络模型32
3.1 感知机32
3.1.1 感知机模型结构32
3.1.2 感知机处理单元模型33
3.1.3 感知机学习算法34
3.1.4 感知机的局限性36
3.1.5 感知机的收敛性37
3.2 自适应线性元件39
3.2.1 ADALINE模型结构39
3.2.2 ADALINE学习算法41
3.3 本章小结43
3.4 习题43
第4章 误差反向传播神经网络45
4.1 误差反向传播神经网络的提出45
4.2 误差反向传播神经网络结构45
4.3 误差反向传播神经网络处理单元模型46
4.4 误差反向传播学习算法48
4.5 误差反向传播学习算法的数学基础53
4.6 误差反向传播学习算法的改进54
4.6.1 BP算法存在的问题54
4.6.2 累积误差校正算法55
4.6.3 Sigmoid函数输出限幅的BP算法56
4.6.4 增加动量项的BP算法56
4.6.5 学习速率自适应调整算法57
4.7 隐含层的特征抽取作用57
4.8 误差反向传播神经网络应用实例58
4.8.1 BP神经网络的主要能力58
4.8.2 BP神经网络在入侵检测中的应用59
4.8.3 BP神经网络在股票市场中的应用62
4.9 本章小结65
4.10 习题66
第5章 Hopfield神经网络68
5.1 离散型Hopfield神经网络68
5.1.1 离散型Hopfield神经网络结构68
5.1.2 离散型Hopfield神经网络处理单元模型69
5.1.3 离散型Hopfield神经网络的状态及运行规则69
5.1.4 离散型Hopfield神经网络的能量函数71
5.1.5 离散型Hopfield神经网络的连接权值设计72
5.1.6 离散型Hopfield神经网络的信息存储容量74
5.2 连续型Hopfield神经网络75
5.2.1 连续型Hopfield神经网络结构76
5.2.2 连续型Hopfield神经网络处理单元模型76
5.2.3 连续型Hopfield神经网络的状态77
5.2.4 连续型Hopfield神经网络的能量函数78
5.3 Hopfield神经网络应用实例79
5.3.1 离散型Hopfield神经网络应用实例79
5.3.2 连续型Hopfield神经网络应用实例83
5.4 本章小结87
5.5 习题88
第6章 Boltzmann机90
6.1 随机型神经网络的提出90
6.2 Boltzmann机的网络结构91
6.3 Boltzmann机处理单元模型92
6.4 Boltzmann机的能量函数93
6.5 Boltzmann机的Boltzmann分布94
6.6 Boltzmann机的运行规则95
6.6.1 模拟退火算法95
6.6.2 网络运行规则97
6.7 Boltzmann机的学习规则99
6.7.1 自联想记忆的学习规则100
6.7.2 互联想记忆的学习规则104
6.8 模拟退火算法应用实例105
6.9 本章小结107
6.10 习题107
第7章 自适应共振理论神经网络108
7.1 自组织神经网络的提出108
7.2 竞争学习109
7.2.1 竞争学习的概念109
7.2.2 竞争学习规则110
7.3 自适应共振理论神经网络的提出及特点113
7.4 ART1神经网络114
7.4.1 ART1神经网络的结构115
7.4.2 ART1神经网络处理单元模型115
7.4.3 ART1神经网络的学习规则117
7.4.4 ART1神经网络特性分析121
7.4.5 ART1神经网络应用实例123
7.5 ART2神经网络124
7.5.1 ART2神经网络的结构124
7.5.2 ART2神经网络处理单元模型125
7.5.3 ART2神经网络的学习规则127
7.5.4 ART2神经网络应用实例129
7.6 本章小结130
7.7 习题130
第8章 人工神经网络应用的设计开发132
8.1 人工神经网络应用的特点及适用范围132
8.2 人工神经网络的设计开发过程133
8.3 人工神经网络模型的选取134
8.4 人工神经网络模型的设计136
8.4.1 节点级设计137
8.4.2 网络级设计137
8.4.3 训练级设计142
8.5 人工神经网络模型的实现143
8.5.1 准备样本数据143
8.5.2 选取训练样本145
8.5.3 网络训练与测试146
8.6 本章小结147
8.7 习题148
第9章 人工神经网络的实现149
9.1 神经网络实现技术概述149
9.1.1 神经网络实现的发展历史149
9.1.2 神经网络实现方案的分类150
9.2 神经网络的虚拟实现151
9.2.1 基于传统计算机的软件模拟151
9.2.2 神经网络并行多机系统152
9.2.3 神经计算加速器153
9.3 神经网络的物理实现154
9.3.1 神经网络的VLSI实现154
9.3.2 神经网络的光学实现156
9.3.3 神经网络的分子实现157
9.4 本章小结157
9.5 习题157
第10章 人工神经网络的发展158
10.1 神经网络与专家系统158
10.1.1 基于规则的专家系统158
10.1.2 神经网络与专家系统的比较159
10.1.3 神经网络专家系统160
10.2 神经网络与模糊系统163
10.2.1 模糊系统163
10.2.2 神经网络与模糊系统的比较164
10.2.3 模糊神经网络165
10.3 本章小结167
附录168
附录A 人工神经网络的主要研究工作168
附录B BP神经网络实现太阳黑子数量预测源程序171
附录C Hopfield神经网络实现图像自联想记忆源程序184
附录D 模拟退火算法实现TSP源程序193
附录E ART1神经网络源程序201
参考文献209