欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 神经网络设计(原书第2版)/智能科学与技术丛书
      • 作者:(美)马丁T.哈根//霍华德B.德姆斯//马克H.比勒//奥兰多·德·赫苏斯|译者:章毅
      • 出版社:机械工业
      • ISBN:9787111586746
      • 出版日期:2018/01/01
      • 页数:426
    • 售价:39.6
  • 内容大纲

        由马丁T.哈根、霍华德B.德姆斯、马克H.比勒、奥兰多·德·赫苏斯著的《神经网络设计(原书第2版)/智能科学与技术丛书》是一本易学易懂的神经网络教材,主要讨论网络结构、学习规则、训练技巧和工程应用,紧紧围绕“设计”这一视角组织材料和展开讲解,强调基本原理和训练方法,概念清晰,数学论述严谨,包含丰富的实例和练习,并配有课件和MATLAB演示程序。
        本书要求读者具备线性代数、概率论和微分方程的基础知识,可作为高年级本科生或一年级研究生的神经网络导论课程教材,也可供有兴趣的读者自学或参考。
  • 作者介绍

  • 目录

    译者序
    前言
    第1章  引言
      1.1  目标
      1.2  历史
      1.3  应用
      1.4  生物学启示
      1.5  扩展阅读
    第2章  神经元模型及网络结构
      2.1  目标
      2.2  理论与例子
        2.2.1  记号
        2.2.2  神经元模型
        2.2.3  网络结构
      2.3  小结
      2.4  例题
      2.5  结束语
      2.6  习题
    第3章  一个说明性的实例
      3.1  目标
      3.2  理论与例子
        3.2.1  问题描述
        3.2.2  感知机
        3.2.3  Hamming网络
        3.2.4  Hopfield网络
      3.3  结束语
      3.4  习题
    第4章  感知机学习规则
      4.1  目标
      4.2  理论与例子
        4.2.1  学习规则
        4.2.2  感知机结构
        4.2.3  感知机的学习规则
        4.2.4  收敛性证明
      4.3  小结
      4.4  例题
      4.5  结束语
      4.6  扩展阅读
      4.7  习题
    第5章  信号与权值向量空间
      5.1  目标
      5.2  理论与例子
        5.2.1  线性向量空间
        5.2.2  线性无关
        5.2.3  生成空间
        5.2.4  内积
        5.2.5  范数
        5.2.6  正交性
        5.2.7  向量展开式
      5.3  小结

      5.4  例题
      5.5  结束语
      5.6  扩展阅读
      5.7  习题
    第6章  神经网络中的线性变换
      6.1  目标
      6.2  理论与例子
        6.2.1  线性变换
        6.2.2  矩阵表示
        6.2.3  基变换
        6.2.4  特征值与特征向量
      6.3  小结
      6.4  例题
      6.5  结束语
      6.6  扩展阅读
      6.7  习题
    第7章  有监督的Hebb学习
      7.1  目标
      7.2  理论与例子
        7.2.1  线性联想器
        7.2.2  Hebb规则
        7.2.3  伪逆规则
        7.2.4  应用
        7.2.5  Hebb学习的变形
      7.3  小结
      7.4  例题
      7.5  结束语
      7.6  扩展阅读
      7.7  习题
    第8章  性能曲面和最优点
      8.1  目标
      8.2  理论与例子
        8.2.1  泰勒级数
        8.2.2  方向导数
        8.2.3  极小点
        8.2.4  优化的必要条件
        8.2.5  二次函数
      8.3  小结
      8.4  例题
      8.5  结束语
      8.6  扩展阅读
      8.7  习题
    第9章  性能优化
      9.1  目标
      9.2  理论与例子
        9.2.1  最速下降法
        9.2.2  牛顿法
        9.2.3  共轭梯度法
      9.3  小结
      9.4  例题

      9.5  结束语
      9.6  扩展阅读
      9.7  习题
    第10章  Widrow-Hoff学习
      10.1  目标
      10.2  理论与例子
        10.2.1  ADALINE网络
        10.2.2  均方误差
        10.2.3  LMS算法
        10.2.4  收敛性分析
        10.2.5  自适应滤波器
      10.3  小结
      10.4  例题
      10.5  结束语
      10.6  扩展阅读
      10.7  习题
    第11章  反向传播
      11.1  目标
      11.2  理论与例子
        11.2.1  多层感知机
        11.2.2  反向传播算法
        11.2.3  例子
        11.2.4  批量训练和增量训练
        11.2.5  使用反向传播
      11.3  小结
      11.4  例题
      11.5  结束语
      11.6  扩展阅读
      11.7  习题
    第12章  反向传播算法的变形
      12.1  目标
      12.2  理论与例子
        12.2.1  反向传播算法的缺点
        12.2.2  反向传播算法的启发式改进
        12.2.3  数值优化技术
      12.3  小结
      12.4  例题
      12.5  结束语
      12.6  扩展阅读
      12.7  习题
    第13章  泛化
      13.1  目标
      13.2  理论与例子
        13.2.1  问题描述
        13.2.2  提升泛化能力的方法
      13.3  小结
      13.4  例题
      13.5  结束语
      13.6  扩展阅读
      13.7  习题

    第14章  动态网络
      14.1  目标
      14.2  理论与例子
        14.2.1  分层数字动态网络
        14.2.2  动态学习的基本原则
        14.2.3  动态反向传播
      14.3  小结
      14.4  例题
      14.5  结束语
      14.6  扩展阅读
      14.7  习题
    第15章  竞争网络
      15.1  目标
      15.2  理论与例子
        15.2.1  Hamming网络
        15.2.2  竞争层
        15.2.3  生物学中的竞争层
        15.2.4  自组织特征图
        15.2.5  学习向量量化
      15.3  小结
      15.4  例题
      15.5  结束语
      15.6  扩展阅读
      15.7  习题
    第16章  径向基网络
      16.1  目标
      16.2  理论与例子
        16.2.1  径向基网络
        16.2.2  训练RBF网络
      16.3  小结
      16.4  例题
      16.5  结束语
      16.6  扩展阅读
      16.7  习题
    第17章  实际训练问题
      17.1  目标
      17.2  理论与例子
        17.2.1  训练前的步骤
        17.2.2  网络训练
        17.2.3  训练结果分析
      17.3  结束语
      17.4  扩展阅读
    第18章  实例研究1:函数逼近
      18.1  目标
      18.2  理论与例子
        18.2.1  智能传感系统描述
        18.2.2  数据收集与预处理
        18.2.3  网络结构选择
        18.2.4  网络训练
        18.2.5  验证

        18.2.6  数据集
      18.3  结束语
      18.4  扩展阅读
    第19章  实例研究2:概率估计
      19.1  目标
      19.2  理论与例子
        19.2.1  CVD过程描述
        19.2.2  数据收集与预处理
        19.2.3  网络结构选择
        19.2.4  网络训练
        19.2.5  验证
        19.2.6  数据集
      19.3  结束语
      19.4  扩展阅读
    第20章  实例研究3:模式识别
      20.1  目标
      20.2  理论与例子
        20.2.1  心肌梗死识别问题描述
        20.2.2  数据收集与预处理
        20.2.3  网络结构选择
        20.2.4  网络训练
        20.2.5  验证
        20.2.6  数据集
      20.3  结束语
      20.4  扩展阅读
    第21章  实例研究4:聚类
      21.1  目标
      21.2  理论与例子
        21.2.1  森林覆盖问题描述
        21.2.2  数据收集与预处理
        21.2.3  网络结构选择
        21.2.4  网络训练
        21.2.5  验证
        21.2.6  数据集
      21.3  结束语
      21.4  扩展阅读
    第22章  实例研究5:预测
      22.1  目标
      22.2  理论与例子
        22.2.1  磁悬浮系统描述
        22.2.2  数据收集与预处理
        22.2.3  网络结构选择
        22.2.4  网络训练
        22.2.5  验证
        22.2.6  数据集
      22.3  结束语
      22.4  扩展阅读
    附录A  参考文献
    附录B  记号
    附录C  软件

    索引