書馨卡幫你省薪 2024個(gè)人購(gòu)書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
人工神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用

出版社：西安電子科技大學(xué)出版社出版時(shí)間：2019-03-01
開本： 26cm 頁數(shù)： 230頁
本類榜單：教材銷量榜
中 圖 價(jià):¥31.2(8.0折) 定價(jià)  ¥39.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>
買過本商品的人還買了

人工神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用 版權(quán)信息

人工神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用 本書特色

本書分為三篇，共15章。*篇為神經(jīng)網(wǎng)絡(luò)基礎(chǔ)篇（第1~3章），主要內(nèi)容包括生物神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)、人工神經(jīng)網(wǎng)絡(luò)概述、人工神經(jīng)網(wǎng)絡(luò)數(shù)理基礎(chǔ)，從生物神經(jīng)網(wǎng)絡(luò)角度出發(fā)介紹了神經(jīng)元的結(jié)構(gòu)、生物電活動(dòng)，在細(xì)胞層面解釋了神經(jīng)網(wǎng)絡(luò)進(jìn)行信息傳遞和信息存儲(chǔ)的機(jī)理，并對(duì)人工神經(jīng)網(wǎng)絡(luò)理論在各個(gè)階段的發(fā)展、特點(diǎn)、應(yīng)用，以及人工神經(jīng)網(wǎng)絡(luò)算法中運(yùn)用到的導(dǎo)數(shù)、微分、梯度等重要數(shù)理知識(shí)進(jìn)行了概述。第二篇為人工神經(jīng)網(wǎng)絡(luò)理論篇(第4～13章)，主要內(nèi)容包括感知器、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、ADALINE神經(jīng)網(wǎng)絡(luò)、Hopfield神經(jīng)網(wǎng)絡(luò)、深度卷積神經(jīng)網(wǎng)絡(luò)、生成式對(duì)抗網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)、AdaBoost神經(jīng)網(wǎng)絡(luò)、SOFM神經(jīng)網(wǎng)絡(luò)。為了加強(qiáng)理論學(xué)習(xí)的深度，本篇在闡述理論算法時(shí)通過逐次迭代展開推導(dǎo)，而且在每種理論算法后面都給出了應(yīng)用及實(shí)踐案例。多年的課堂教學(xué)實(shí)踐證明這種學(xué)習(xí)方式對(duì)于理解和掌握算法機(jī)理是非常有效的。第三篇為人工神經(jīng)網(wǎng)絡(luò)實(shí)踐及應(yīng)用篇(第14～15章)，主要內(nèi)容包括基于Simulink的人工神經(jīng)網(wǎng)絡(luò)建模和基于GUI的人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)。這些內(nèi)容是進(jìn)一步理解和掌握人工神經(jīng)網(wǎng)絡(luò)理論、實(shí)踐和應(yīng)用的基礎(chǔ)。

人工神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用 內(nèi)容簡(jiǎn)介

本書主要介紹生物神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)、人工神經(jīng)網(wǎng)絡(luò)概述、人工神經(jīng)網(wǎng)絡(luò)的數(shù)理基礎(chǔ)、感知器、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、ADALINE神經(jīng)網(wǎng)絡(luò)、Hopfield神經(jīng)網(wǎng)絡(luò)、深度卷積神經(jīng)網(wǎng)絡(luò)、生成式對(duì)抗網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)、AdaBoost神經(jīng)網(wǎng)絡(luò)、SOFM神經(jīng)網(wǎng)絡(luò)、MATLAB實(shí)踐基礎(chǔ)、基于Simulink的人工神經(jīng)網(wǎng)絡(luò)建模、基于GUI的人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)等基本內(nèi)容。

人工神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用 目錄

**篇 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)篇 第1章 生物神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ) 3 1.1 生物神經(jīng)元的結(jié)構(gòu)和功能 3 1.2 神經(jīng)系統(tǒng)的電活動(dòng) 4 1.3 人腦的信息存儲(chǔ) 6 1.4 人腦與電腦 8 習(xí)題 10 參考文獻(xiàn) 11 第2章 人工神經(jīng)網(wǎng)絡(luò)概述 12 2.1 人工神經(jīng)網(wǎng)絡(luò)發(fā)展歷程 12 2.2 人工神經(jīng)網(wǎng)絡(luò)特點(diǎn) 18 2.3 人工神經(jīng)網(wǎng)絡(luò)應(yīng)用 19 習(xí)題 23 參考文獻(xiàn) 24 第3章 人工神經(jīng)網(wǎng)絡(luò)數(shù)理基礎(chǔ) 25 3.1 神經(jīng)元模型 25 3.2 導(dǎo)數(shù) 29 3.3 微分 30 3.3.1 定義 30 3.3.2 定理與性質(zhì) 30 3.4 積分 30 3.4.1 定義 30 3.4.2 定積分定理與性質(zhì) 31 3.5 梯度 31 3.6 行列式 32 3.7 矩陣 32 3.7.1 概念 32 3.7.2 矩陣的運(yùn)算 33 3.7.3 矩陣運(yùn)算性質(zhì) 33 3.8 向量 34 3.8.1 定義 34 3.8.2 向量的運(yùn)算和向量?jī)?nèi)積的準(zhǔn)則 34 3.8.3 線性表示與線性相關(guān) 34 3.9 特征值與特征向量 34 3.10 隨機(jī)事件與概率 35 3.11 范數(shù) 36 3.11.1 定義 36 3.11.2 向量的范數(shù) 36 3.11.3 矩陣的范數(shù) 36 習(xí)題 37 參考文獻(xiàn) 37 第二篇 人工神經(jīng)網(wǎng)絡(luò)理論篇 第4章 感知器 41 4.1 概述 41 4.2 感知器的結(jié)構(gòu)和原理 42 4.2.1 感知器的結(jié)構(gòu) 42 4.2.2 感知器的原理 42 4.2.3 感知器的學(xué)習(xí)策略 44 4.3 單層感知器 44 4.3.1 單層感知器模型 44 4.3.2 單層感知器的功能 46 4.3.3 單層感知器的學(xué)習(xí)算法 47 4.3.4 單層感知器的局限性 49 4.4 多層感知器 50 4.4.1 多層感知器的結(jié)構(gòu)和特點(diǎn) 50 4.4.2 多層感知器的功能 51 4.4.3 多層感知器的學(xué)習(xí)算法 53 4.5 應(yīng)用案例 54 習(xí)題 58 參考文獻(xiàn) 59 第5章 BP神經(jīng)網(wǎng)絡(luò) 60 5.1 概述 60 5.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 61 5.3 BP神經(jīng)網(wǎng)絡(luò)算法 62 5.3.1 算法原理 62 5.3.2 反向傳播實(shí)例 66 5.4 BP算法的不足與改進(jìn) 68 5.4.1 BP算法的不足 68 5.4.2 BP算法的改進(jìn) 70 5.5 應(yīng)用案例 72 習(xí)題 78 參考文獻(xiàn) 79 第6章 RBF神經(jīng)網(wǎng)絡(luò) 80 6.1 概述 80 6.2 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和原理 81 6.3 RBF神經(jīng)網(wǎng)絡(luò)算法 82 6.4 RBF神經(jīng)網(wǎng)絡(luò)的相關(guān)問題 84 6.5 應(yīng)用案例 85 習(xí)題 87 參考文獻(xiàn) 88 第7章 ADALINE神經(jīng)網(wǎng)絡(luò) 89 7.1 概述 89 7.2 ADALINE結(jié)構(gòu)和原理 89 7.2.1 單層ADALINE模型 89 7.2.2 算法原理 90 7.2.3 多層ADALINE模型 92 7.3 應(yīng)用案例 94 習(xí)題 98 參考文獻(xiàn) 98 第8章 Hopfield神經(jīng)網(wǎng)絡(luò) 99 8.1 概述 99 8.2 離散Hopfield神經(jīng)網(wǎng)絡(luò) 99 8.2.1 網(wǎng)絡(luò)結(jié)構(gòu) 99 8.2.2 工作方式 100 8.2.3 網(wǎng)絡(luò)的穩(wěn)定性 101 8.2.4 網(wǎng)絡(luò)算法 102 8.3 連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò) 104 8.3.1 網(wǎng)絡(luò)結(jié)構(gòu) 104 8.3.2 網(wǎng)絡(luò)的穩(wěn)定性 106 8.4 應(yīng)用案例 106 習(xí)題 112 參考文獻(xiàn) 112 第9章 深度卷積神經(jīng)網(wǎng)絡(luò) 113 9.1 概述 113 9.2 深度卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和原理 113 9.2.1 深度卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 113 9.2.2 深度卷積神經(jīng)網(wǎng)絡(luò)的原理 115 9.3 幾種基本的深度卷積神經(jīng)網(wǎng)絡(luò) 116 9.3.1 AlexNet 116 9.3.2 VGGNet 117 9.3.3 ResNet 118 9.4 應(yīng)用案例 119 9.4.1 幾種深度學(xué)習(xí)應(yīng)用框架 119 9.4.2 基于AlexNet的圖像識(shí)別 120 習(xí)題 123 參考文獻(xiàn) 123 第10章 生成式對(duì)抗網(wǎng)絡(luò) 124 10.1 概述 124 10.2 生成式對(duì)抗網(wǎng)絡(luò)的結(jié)構(gòu) 125 10.3 生成式對(duì)抗網(wǎng)絡(luò)算法 126 10.4 改進(jìn)的生成式對(duì)抗網(wǎng)絡(luò) 128 10.5 應(yīng)用案例 130 習(xí)題 133 參考文獻(xiàn) 133 第11章 Elman神經(jīng)網(wǎng)絡(luò) 134 11.1 概述 134 11.2 Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和原理 134 11.3 Elman 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 136 11.4 Elman 神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析 137 11.5 應(yīng)用案例 139 習(xí)題 143 參考文獻(xiàn) 143 第12章 AdaBoost神經(jīng)網(wǎng)絡(luò) 144 12.1 概述 144 12.2 AdaBoost網(wǎng)絡(luò)結(jié)構(gòu)和算法 144 12.3 AdaBoost算法中的影響因素 147 12.3.1 AdaBoost算法的訓(xùn)練誤差分析 147 12.3.2 AdaBoost分類問題中的損失函數(shù) 148 12.3.3 AdaBoost算法的正則化 149 12.4 應(yīng)用案例 150 習(xí)題 155 參考文獻(xiàn) 156 第13章 SOFM神經(jīng)網(wǎng)絡(luò) 157 13.1 概述 157 13.2 SOFM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 157 13.3 SOFM神經(jīng)網(wǎng)絡(luò)的原理和學(xué)習(xí)算法 158 13.3.1 SOFM神經(jīng)網(wǎng)絡(luò)的原理 158 13.3.2 SOFM神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 160 13.4 應(yīng)用案例 161 習(xí)題 166 參考文獻(xiàn) 166 第三篇 人工神經(jīng)網(wǎng)絡(luò)實(shí)踐及應(yīng)用篇 第14章 基于Simulink的人工神經(jīng)網(wǎng)絡(luò)建模 169 14.1 概述 169 14.2 Simulink啟動(dòng)和神經(jīng)網(wǎng)絡(luò)模塊庫(kù) 169 14.2.1 Simulink的啟動(dòng) 169 14.2.2 Simulink神經(jīng)網(wǎng)絡(luò)模塊庫(kù) 171 14.3 模型的設(shè)置和操作 175 14.3.1 模塊的操作 175 14.3.2 信號(hào)線的操作 176 14.3.3 仿真參數(shù)的設(shè)置 176 14.3.4 常用模塊的設(shè)置 177 14.4 單神經(jīng)元建模 180 14.5 函數(shù)逼近的Simulink仿真模型 183 14.5.1 參數(shù)未改變的模型及仿真 183 14.5.2 改變參數(shù)的模型及仿真 185 14.6 應(yīng)用案例 189 習(xí)題 193 參考文獻(xiàn) 193 第15章 基于GUI的人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì) 194 15.1 概述 194 15.2 軟件架構(gòu)設(shè)計(jì) 194 15.3 創(chuàng)建工程 195 15.3.1 FIG文件編輯器 197 15.3.2 M文件編輯器 198 15.4 主頁面設(shè)計(jì) 199 15.5 交互式參數(shù)設(shè)置 202 15.6 軟件主要功能設(shè)計(jì) 204 15.6.1 檢測(cè)識(shí)別 205 15.6.2 處理建議 214 15.7 輔助功能 217 15.8 幫助文件制作 219 習(xí)題 221 參考文獻(xiàn) 222 附錄A GUI對(duì)象的常用屬性 223 附錄B 特殊字符格式說明 226 附錄C 軟件代碼 227
展開全部
商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服