《人工神经网络原理与实践》陈雯柏 著 |
您所在的位置：网站首页 › 人工神经网络原理答案 › 《人工神经网络原理与实践》陈雯柏 著 |
|
《人工神经网络原理与实践》精选了人工神经网络的经典内容，主要阐述人工神经网络的一般原理和基本思想，并在此基础上突出了人工神经网络在自动控制和模式识别中的应用。《人工神经网络原理与实践》共十二章，*一和第二章主要介绍了人工神经网络与人工智能的关系、人工神经网络研究的基本情况与人工神经网络的基本原理等内容；第三至九章分别介绍了感知器、BP神经网络、径向基神经网络、反馈式神经网络、自组织竞争神经网络、CMAC网络与模糊神经网络等内容；第十章讨论了神经网络的优化；第十一章介绍了智能领域的研究热点——深度神经网络；第十二章简要介绍了神经网络在自动控制中的应用。 《人工神经网络原理与实践》从创新能力较强的应用型人才培养角度出发，重视理论与实践的结合，内容力求深入浅出，兼具系统性、全面性和前沿性。 《人工神经网络原理与实践》可作为高等院校智能科学与技术、自动化及电子信息技术等专业的本科生和硕士生教材或参考书，也可供有关工程技术人员参考。 第一章 绪论1．1 人类的智能与思维1．1．1 智能1．1．2 思维1．2 人工智能1．2．1 人工智能的主流学派1．2．2 机制主义方法与人工智能统1．2．3 人工智能的研究内容1．3 人脑与“电脑”的信息处理机制1．4 人工神经网络的研究溯源1．5 人工神经网络的分类1．6人工神经网络的特点1．7人工神经网络的功能1．8人工神经网络的应用思考题 第二章 人工神经网络的基本原理2．1 生物神经网络2．1．1 生物神经元的结构2．1．2 生物神经元的信息处理机理2．1．3 生物神经网络的结构2．1．4 生物神经网络的信息处理2．2 人工神经元的数学建模2．2．1 M-P模型2．2．2 常用的神经元数学模型2．3 人工神经网络的结构建模2．3．1 网络拓扑类型2．3．2 网络信息流向类型2．3．3 人工神经网络结构模型的特点2．4 人工神经网络的学习思考题 第三章 感知器3．1 感知器的结构与功能3．1．1 单层感知器的网络结构3．1．2 单层感知器的功能分析3．2 感知器的学习算法3．3 感知器的局限性与改进方式3．4 多层感知器3．5 感知器神经网络的MATLAB仿真实例3．5．1 常用的感知器神经网络函数3．5．2 仿真实例思考题 第四章 BP神经网络4．1 BP网络的模型4．2 BP网络的学习算法4．2．1 BP算法推导4．2．2 BP算法的程序实现4．3 BP网络的功能与数学本质4．3．1 BP神经网络的功能特点4．3．2 BP神经网络的数学本质4．4 BP网络的问题与改进4．4．1 BP神经网络存在的缺陷与原因分析4．4．2 传统BP算法的改进与优化4．4．3 深度神经网络4．5 BP网络的设计4．5．1 输入／输出变量的确定与训练样本集的准备4．5．2 BP网络结构设计4．5．3 网络训练与测试4．6 BP网络的MATLAB仿真实例4．6．1 BP神经网络的MATLAB工具箱4．6．2 BP网络仿真实例4．7 基于BP算法的一级倒立摆神经网络控制4．7．1 倒立摆系统4．7．2 仿真模型的建立4．7．3 BP神经网络控制器的设计4．7．4 神经网络控制器控制仿真实验4．7．5 神经网络实物控制实验思考题 第五章 径向基神经网络5．1 径向基网络的模型5．1．1 正规化RBF网络5．1．2 广义RBF网络5．1．3 RBF网络的生理学基础5．1．4 RBF网络的数学基础5．1．5 函数逼近与模式分类问题举例5．2 径向基网络的学习算法5．2．1 数据中心的确定5．2．2 扩展常数的确定5．2．3 输出权向量的确定5．2．4 梯度下降法同时获取数据中心、扩展系数与权向量5．3 径向基网络的特性分析5．3．1 RBF神经网络的特点5．3．2 RBF神经网络与BP神经网络的比较5．3．3 RBF神经网络应用的关键问题5．4 其他径向基网络5．4．1 广义回归神经网络5．4．2 概率神经网络5．5 径向基网络的MATLAB仿真实例5．5．1 RBF网络的MATLAB工具箱5．5．2 仿真实例思考题 第六章 反馈式神经网络6．1 Elman神经网络6．1．1 Elman神经网络的结构6．1．2 Elman神经网络学习算法6．1．3 Elman神经网络的应用6．2 离散Hopfield神经网络6．2．1 离散Hopfield神经网络的模型6．2．2 离散Hopfield神经网络的运行规则6．2．3 离散Hopfield神经网络的运行过程6．3 连续Hopfield神经网络6．3．1 连续Hopfield神经网络的网络模型6．3．2 连续Hopfield神经网络的稳定性分析6．4 Hopfield神经网络的应用6．4．1 联想记忆6．4．2 优化计算6．5 反馈神经网络的MATLAB仿真实例6．5．1 Elman神经网络的MATLAB实现6．5．2 Hopfield神经网络的MATLAB实现思考题 第七章 自组织竞争神经网络7．1 模式分类的基本概念7．1．1 分类与聚类7．1．2 相似性测量7．2 基本竞争型神经网络7．2．1 基本竞争型神经网络结构7．2．2 竞争学习策略7．2．3 特性分析7．3 自组织特征映射神经网络7．3．1 SOM网的拓扑结构7．3．2 SOM网的工作原理……第八章 CMAC网络第九章 模糊神经网络第十章 神经网络的优化第十一章 深度神经网络第十二章 神经控制参考文献 内容简介: 《人工神经网络原理与实践》精选了人工神经网络的经典内容，主要阐述人工神经网络的一般原理和基本思想，并在此基础上突出了人工神经网络在自动控制和模式识别中的应用。《人工神经网络原理与实践》共十二章，*一和第二章主要介绍了人工神经网络与人工智能的关系、人工神经网络研究的基本情况与人工神经网络的基本原理等内容；第三至九章分别介绍了感知器、BP神经网络、径向基神经网络、反馈式神经网络、自组织竞争神经网络、CMAC网络与模糊神经网络等内容；第十章讨论了神经网络的优化；第十一章介绍了智能领域的研究热点——深度神经网络；第十二章简要介绍了神经网络在自动控制中的应用。 《人工神经网络原理与实践》从创新能力较强的应用型人才培养角度出发，重视理论与实践的结合，内容力求深入浅出，兼具系统性、全面性和前沿性。 《人工神经网络原理与实践》可作为高等院校智能科学与技术、自动化及电子信息技术等专业的本科生和硕士生教材或参考书，也可供有关工程技术人员参考。 目录: 第一章 绪论1．1 人类的智能与思维1．1．1 智能1．1．2 思维1．2 人工智能1．2．1 人工智能的主流学派1．2．2 机制主义方法与人工智能统1．2．3 人工智能的研究内容1．3 人脑与“电脑”的信息处理机制1．4 人工神经网络的研究溯源1．5 人工神经网络的分类1．6人工神经网络的特点1．7人工神经网络的功能1．8人工神经网络的应用思考题第二章 人工神经网络的基本原理2．1 生物神经网络2．1．1 生物神经元的结构2．1．2 生物神经元的信息处理机理2．1．3 生物神经网络的结构2．1．4 生物神经网络的信息处理2．2 人工神经元的数学建模2．2．1 M-P模型2．2．2 常用的神经元数学模型2．3 人工神经网络的结构建模2．3．1 网络拓扑类型2．3．2 网络信息流向类型2．3．3 人工神经网络结构模型的特点2．4 人工神经网络的学习思考题 第三章 感知器3．1 感知器的结构与功能3．1．1 单层感知器的网络结构3．1．2 单层感知器的功能分析3．2 感知器的学习算法3．3 感知器的局限性与改进方式3．4 多层感知器3．5 感知器神经网络的MATLAB仿真实例3．5．1 常用的感知器神经网络函数3．5．2 仿真实例思考题 第四章 BP神经网络4．1 BP网络的模型4．2 BP网络的学习算法4．2．1 BP算法推导4．2．2 BP算法的程序实现4．3 BP网络的功能与数学本质4．3．1 BP神经网络的功能特点4．3．2 BP神经网络的数学本质4．4 BP网络的问题与改进4．4．1 BP神经网络存在的缺陷与原因分析4．4．2 传统BP算法的改进与优化4．4．3 深度神经网络4．5 BP网络的设计4．5．1 输入／输出变量的确定与训练样本集的准备4．5．2 BP网络结构设计4．5．3 网络训练与测试4．6 BP网络的MATLAB仿真实例4．6．1 BP神经网络的MATLAB工具箱4．6．2 BP网络仿真实例4．7 基于BP算法的一级倒立摆神经网络控制4．7．1 倒立摆系统4．7．2 仿真模型的建立4．7．3 BP神经网络控制器的设计4．7．4 神经网络控制器控制仿真实验4．7．5 神经网络实物控制实验思考题 第五章 径向基神经网络5．1 径向基网络的模型5．1．1 正规化RBF网络5．1．2 广义RBF网络5．1．3 RBF网络的生理学基础5．1．4 RBF网络的数学基础5．1．5 函数逼近与模式分类问题举例5．2 径向基网络的学习算法5．2．1 数据中心的确定5．2．2 扩展常数的确定5．2．3 输出权向量的确定5．2．4 梯度下降法同时获取数据中心、扩展系数与权向量5．3 径向基网络的特性分析5．3．1 RBF神经网络的特点5．3．2 RBF神经网络与BP神经网络的比较5．3．3 RBF神经网络应用的关键问题5．4 其他径向基网络5．4．1 广义回归神经网络5．4．2 概率神经网络5．5 径向基网络的MATLAB仿真实例5．5．1 RBF网络的MATLAB工具箱5．5．2 仿真实例思考题 第六章 反馈式神经网络6．1 Elman神经网络6．1．1 Elman神经网络的结构6．1．2 Elman神经网络学习算法6．1．3 Elman神经网络的应用6．2 离散Hopfield神经网络6．2．1 离散Hopfield神经网络的模型6．2．2 离散Hopfield神经网络的运行规则6．2．3 离散Hopfield神经网络的运行过程6．3 连续Hopfield神经网络6．3．1 连续Hopfield神经网络的网络模型6．3．2 连续Hopfield神经网络的稳定性分析6．4 Hopfield神经网络的应用6．4．1 联想记忆6．4．2 优化计算6．5 反馈神经网络的MATLAB仿真实例6．5．1 Elman神经网络的MATLAB实现6．5．2 Hopfield神经网络的MATLAB实现思考题 第七章 自组织竞争神经网络7．1 模式分类的基本概念7．1．1 分类与聚类7．1．2 相似性测量7．2 基本竞争型神经网络7．2．1 基本竞争型神经网络结构7．2．2 竞争学习策略7．2．3 特性分析7．3 自组织特征映射神经网络7．3．1 SOM网的拓扑结构7．3．2 SOM网的工作原理……第八章 CMAC网络第九章 模糊神经网络第十章 神经网络的优化第十一章 深度神经网络第十二章 神经控制参考文献 |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |