- 人工神经网络设计(新一代信息技术人工智能战略性新兴领域十四五高等教育系列教材)
- - 作者：编者:乔俊飞//蒙西|责编:吉玲
  - 出版社：机械工业
  - ISBN：9787111776536
  - 出版日期：2024/12/01
  - 页数：162
- 售价：18

内容大纲
本书系统地介绍了人工神经网络的基础知识、工作原理及应用实例，旨在帮助读者深入掌握人工神经网络的设计及应用方法。全书共10章，涵盖从基础理论到典型神经网络设计的各个方面。前两章详细讲解了人工神经网络的基本概念、结构及工作原理，为后续的神经网络设计奠定理论基础。随后的章节重点介绍了不同类型的典型神经网络，包括结构设计方法、学习算法以及在实际场景中的应用。本书通过理论与实践相结合的方式，激发读者研究神经网络的兴趣，并为其进行创新设计提供指导。
本书不仅适合作为高等学校自动化类、电子信息类、计算机类高年级本科生或研究生的神经网络课程教材，还可为有志于学习和研究人工神经网络的技术人员和工程师提供参考。
作者介绍
目录
前言
第1章  绪论
  1.1  人工神经网络
    1.1.1  人工神经网络的特点
    1.1.2  人工神经网络的功能
  1.2  人工神经网络的产生和发展
    1.2.1  人工神经网络的产生
    1.2.2  人工神经网络的发展
  1.3  人工神经网络的未来前景
  习题
第2章  人工神经网络构成
  2.1  神经元模型
    2.1.1  生物神经元
    2.1.2  MP模型
    2.1.3  激活函数的类型和作用
  2.2  神经元学习规则
    2.2.1  Hebb学习规则
    2.2.2  Widrow-Hoff学习规则
  2.3  神经网络结构
    2.3.1  前馈神经网络
    2.3.2  递归神经网络
  2.4  神经网络学习算法
    2.4.1  最速下降法
    2.4.2  牛顿法
  2.5  神经网络性能分析
    2.5.1  学习能力
    2.5.2  泛化性能
    2.5.3  欠拟合和过拟合
  习题
  参考文献
第3章  感知器
  3.1  单层感知器
    3.1.1  单层感知器结构和工作原理
    3.1.2  单层感知器的学习算法
    3.1.3  单层感知器的局限性
  3.2  多层感知器
    3.2.1  多层感知器结构和工作原理
    3.2.2  反向传播算法和BP网络
    3.2.3  批量学习和增量学习
  3.3  多层感知器结构设计
    3.3.1  基于经验公式的多层感知器结构设计
    3.3.2  修剪型多层感知器结构设计
  3.4  应用实例
    3.4.1  非线性函数逼近
    3.4.2  鸢尾花分类
  习题
  参考文献
第4章  径向基函数神经网络
  4.1  局部映射特性
    4.1.1  局部映射特性的概念和意义

    4.1.2  径向基函数神经网络的局部映射特性
  4.2  径向基函数神经网络工作原理
    4.2.1  径向基函数神经网络结构
    4.2.2  径向基函数神经网络万能逼近能力
  4.3  径向基函数神经网络学习算法
    4.3.1  线性最小二乘法
    4.3.2  梯度下降法
    4.3.3  LM算法
  4.4  径向基函数神经网络结构设计
    4.4.1  基于聚类的径向基函数神经网络结构设计
    4.4.2  增长型径向基函数神经网络结构设计
  4.5  应用实例
    4.5.1  SinE函数逼近
    4.5.2  波士顿房价预测
  习题
  参考文献
第5章  Hopfield神经网络
  5.1  离散型Hopfield神经网络
    5.1.1  离散型Hopfield神经网络结构与工作原理
    5.1.2  离散型Hopfield神经网络稳定性
    5.1.3  联想存储与外积和法
  5.2  连续型Hopfield神经网络
    5.2.1  长短期记忆神经网络结构与工作原理
    5.2.2  连续型Hopfield神经网络稳定性
  5.3  应用实例
  习题
  参考文献
第6章  长短期记忆网络
  6.1  递归神经网络的挑战
    6.1.1  长期依赖问题
    6.1.2  梯度消失和梯度爆炸
  6.2  长短期记忆神经网络结构及工作原理
    6.2.1  长短期记忆神经网络结构的基本组成
    6.2.2  输入门、遗忘门和输出门的作用
  6.3  超参数对长短期记忆神经网络性能的影响
    6.3.1  长短期记忆神经网络的超参数及其作用
    6.3.2  学习率、隐含单元个数和层数的选择对性能的影响
  6.4  长短期记忆神经网络超参数优化方法
    6.4.1  超参数优化的目标与挑战
    6.4.2  自适应学习率算法
    6.4.3  增长-修剪型结构设计算法
  6.5  应用实例：电力负荷预测
  习题
  参考文献
第7章  回声状态网络
  7.1  回声状态网络的结构和工作原理
    7.1.1  回声状态网络的结构
    7.1.2  回声状态网络的工作原理
  7.2  回声状态网络的学习过程
  7.3  回声状态网络的设计

    7.3.1  回声状态网络的设计过程
    7.3.2  增长型回声状态网络
  7.4  回声状态网络的应用实例
    7.4.1  数据集
    7.4.2  参数设置
    7.4.3  性能指标评估
    7.4.4  实验结果
  习题
  参考文献
第8章  卷积神经网络
  8.1  卷积神经网络基础
    8.1.1  卷积运算
    8.1.2  卷积神经网络的基本概念
  8.2  卷积神经网络结构及其学习算法
    8.2.1  卷积神经网络结构
    8.2.2  卷积神经网络学习算法
  8.3  典型卷积神经网络
    8.3.1  LeNet-5
    8.3.2  AlexNet
    8.3.3  ResNet
  8.4  应用实例：图像识别
  习题
  参考文献
第9章  深度信念网络
  9.1  受限玻尔兹曼机
    9.1.1  玻尔兹曼机与受限玻尔兹曼机
    9.1.2  能量最小化
  9.2  深度信念网络
    9.2.1  深度信念网络结构
    9.2.2  对比散度算法
  9.3  深度信念网络设计
  9.4  应用实例：手写数字识别
  习题
  参考文献
第10章  人工神经网络应用
  10.1  基于人工神经网络的污染物排放智能检测
    10.1.1  城市污水处理系统
    10.1.2  数据收集与预处理
    10.1.3  人工神经网络设计
    10.1.4  数据集
  10.2  基于人工神经网络的污染治理过程智能控制
    10.2.1  城市固废焚烧系统
    10.2.2  模型预测控制架构
    10.2.3  人工神经网络设计
    10.2.4  控制律求解
    10.2.5  数据集
  参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目