人工神经网络理论、设计及应用 第2版PDF|Epub|txt|kindle电子书版本网盘下载

人工神经网络理论、设计及应用 第2版PDF格式电子书版下载

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

1 绪论1

1.1　人脑与计算机1

1.1.1 人脑与计算机信息处理能力的比较2

1.1.2 人脑与计算机信息处理机制的比较3

1.1.3 什么是人工神经网络4

1.2 人工神经网络发展简史5

1.2.1 启蒙时期5

1.2.2 低潮时期7

1.2.3 复兴时期9

1.2.4 新时期10

1.2.5 国内研究概况11

1.3 神经网络的基本特征与功能14

1.3.1 神经网络的基本特征14

1.3.2 神经网络的基本功能14

1.4 神经网络的应用领域16

1.4.1 信息处理领域16

1.4.2 自动化领域16

1.4.3 工程领域17

1.4.4 经济领域17

1.4.5 医学领域18

本章小结19

思考与练习19

2　神经网络基础知识20

2.1 人工神经网络的生物学基础20

2.1.1 生物神经元的结构20

2.1.2 生物神经元的信息处理机理21

2.2 人工神经元模型24

2.2.1 神经元的建模24

2.2.2 神经元的数学模型25

2.2.3 神经元的转移函数26

2.3　人工神经网络模型27

2.3.1 网络拓扑结构类型28

2.3.2 网络信息流向类型29

2.4 神经网络学习30

2.4.1 Hebb学习规则31

2.4.2 Perceptron学习规则33

2.4.3 δ学习规则33

2.4.4　LMS学习规则35

2.4.5　Correlation学习规则35

2.4.6　Winner-Take-All学习规则35

2.4.7 Outstar学习规则36

本章小结36

思考与练习37

3　监督学习神经网络38

3.1　单层感知器38

3.1.1　感知器模型38

3.1.2 单节点感知器的功能分析39

3.1.3　感知器的学习算法42

3.1.4 感知器的局限性及解决途径44

3.2 基于误差反传的多层感知器——BP神经网络47

3.2.1 BP网络模型47

3.2.2　BP学习算法48

3.2.3 BP算法的程序实现51

3.2.4 BP网络的主要能力52

3.2.5 误差曲面与BP算法的局限性53

3.3 BP算法的改进54

3.3.1 增加动量项54

3.3.2 自适应调节学习率54

3.3.3 引入陡度因子55

3.4 BP网络设计基础55

3.4.1 网络信息容量与训练样本数55

3.4.2 训练样本集的准备56

3.4.3 初始权值的设计60

3.4.4 BP网络结构设计60

3.4.5 网络训练与测试61

3.5　BP网络应用与设计实例62

3.5.1 BP网络用于催化剂配方建模62

3.5.2 BP网络用于汽车变速器最佳挡位判定63

3.5.3 BP网络用于图像压缩编码64

3.5.4 BP网络用于水库优化调度64

3.5.5 BP网络用于证券预测65

3.5.6 BP网络用于信用评价模型及预警66

本章小结67

思考与练习67

4　竞争学习神经网络71

4.1 竞争学习的概念与原理71

4.1.1 基本概念71

4.1.2 竞争学习原理73

4.2 自组织特征映射神经网络76

4.2.1 SOM网的生物学基础76

4.2.2 SOM网的拓扑结构与权值调整域76

4.2.3 自组织特征映射网的运行原理与学习算法77

4.3 自组织特征映射网络的设计与应用81

4.3.1 SOM网的设计基础81

4.3.2　设计与应用实例83

4.4 自适应共振理论89

4.4.1 ARTⅠ型网络90

4.4.2 ARTⅠ型网络的应用94

4.4.3 ARTⅡ型网络98

4.4.4 ARTⅡ型网络的应用101

本章小结104

思考与练习105

5　组合学习神经网络107

5.1 学习向量量化神经网络107

5.1.1 向量量化107

5.1.2 LVQ网络结构与工作原理107

5.1.3 LVQ网络的学习算法108

5.1.4　LVQ网络的设计与应用110

5.2 对向传播神经网络112

5.2.1 网络结构与运行原理112

5.2.2 CPN的学习算法113

5.2.3 改进的CPN网举例115

5.2.4 CPN网的应用116

本章小结117

思考与练习118

6　反馈神经网络119

6.1 离散型Hopfield神经网络119

6.1.1 网络的结构与工作方式119

6.1.2 网络的稳定性与吸引子120

6.1.3 网络的权值设计126

6.1.4 网络的信息存储容量127

6.2 连续型Hopfield神经网络128

6.2.1 网络的拓扑结构128

6.2.2 能量函数与稳定性分析129

6.3 Hopfield网络应用与设计实例130

6.3.1 应用DHNN网解决联想问题130

6.3.2 应用CHNN网解决优化计算问题130

6.4 双向联想记忆神经网络134

6.4.1 BAM网结构与原理134

6.4.2 能量函数与稳定性135

6.4.3 BAM网的权值设计136

6.4.4 BAM网的应用137

6.5 随机神经网络138

6.5.1　模拟退火原理139

6.5.2 Boltzmann机140

6.6 递归神经网络144

6.6.1 递归网络模型144

6.6.2 递归网络的学习算法146

6.6.3　递归网络应用举例151

本章小结152

思考与练习152

7　小脑模型神经网络154

7.1 CMAC网络的结构154

7.2 CMAC网络的工作原理155

7.2.1 从X到M的映射155

7.2.2 从M到A的映射157

7.2.3 从A到Ap的映射158

7.2.4 从Ap到F的映射158

7.3 CMAC网络的学习算法159

7.3.1 CMAC网络的学习算法159

7.3.2 CMAC网络的特点159

7.4 CMAC网络的应用160

7.4.1 CMAC网络在机器人手臂协调控制中的应用160

7.4.2 CMAC网络在有源噪声控制中的应用161

本章小结163

思考与练习163

8　基于数学原理的神经网络164

8.1 径向基函数RBF164

8.1.1 基于径向基函数技术的函数逼近与内插164

8.1.2 正则化RBF神经网络166

8.1.3 广义RBF神经网络167

8.1.4 RBF网络与BP网络的比较171

8.1.5 RBF网络设计应用实例172

8.2　主分量分析177

8.2.1 主分量分析方法概述177

8.2.2 前向PCA神经网络及学习算法181

8.2.3 侧向连接自适应PCA神经网络及APEX算法183

8.3 支持向量机184

8.3.1 支持向量机的基本思想184

8.3.2 支持向量机神经网络188

8.3.3 支持向量机的学习算法189

8.3.4 支持向量机处理XOR问题190

本章小结191

9　神经网络的系统设计与软件实现193

9.1 神经网络系统总体设计193

9.1.1 神经网络的适用范围193

9.1.2 神经网络的设计过程与需求分析194

9.1.3 神经网络的性能评价195

9.1.4 输入数据的预处理197

9.2 神经网络的软件实现198

9.2.1 软件运行的若干问题198

9.2.2 软件实现的若干问题199

9.3 神经网络的高级开发环境200

9.3.1 神经网络的开发环境及其特征201

9.3.2 MATLAB神经网络工具箱201

9.3.3 其他神经网络开发环境简介203

10　神经网络研究展望206

10.1 人工神经网络研究中的几个问题206

10.2 人工神经网络研究展望207

10.2.1 应用研究的新特点——多学科综合207

10.2.2 实现技术研究的当务之急——神经网络的硬件实现207

10.2.3 理论研究的新方向——从人工神经网络到人工神经系统207

附录1 常用神经网络C语言源程序209

附录2　神经网络常用术语英汉对照240

参考文献242