 書單推薦 新書推薦 |
人工神經(jīng)網(wǎng)絡原理與實踐 
定 價：26 元
9 7 6 8 3 7 9 5 3 6 3 0 8 
本書精選了人工神經(jīng)網(wǎng)絡的經(jīng)典內(nèi)容，主要闡述人工神經(jīng)網(wǎng)絡的一般原理和基本思想，并在此基礎上突出了人工神經(jīng)網(wǎng)絡在自動控制和模式識別中的應用。篇章安排上注意了先理論后實踐，全書共11章。第1-2章主要介紹了人工神經(jīng)網(wǎng)絡與人工智能的關系、人工神經(jīng)網(wǎng)絡的研究的基本情況與人工神經(jīng)網(wǎng)絡的基本原理等內(nèi)容。第3-9章分別介紹了感知器、BP神經(jīng)網(wǎng)絡、徑向基神經(jīng)網(wǎng)絡、反饋式人工神經(jīng)網(wǎng)絡、自組織競爭人工神經(jīng)網(wǎng)絡、CMAC神經(jīng)網(wǎng)絡與模糊神經(jīng)網(wǎng)絡等內(nèi)容。第10章對神經(jīng)網(wǎng)絡的優(yōu)化方法進行了討論，第11張簡要介紹了神經(jīng)網(wǎng)絡在自動控制中的應用。
第一章 緒論 1 1.1 人類的智能與思維 1 1.1.1 智能 1 1.1.2 思維 2 1.2 人工智能 3 1.2.1 人工智能的主流學派 3 1.2.2 機制主義方法與人工智能統(tǒng)一 4 1.2.3 人工智能的研究內(nèi)容 4 1.3 人腦與“電腦”的信息處理機制 5 1.4 人工神經(jīng)網(wǎng)絡的研究溯源 5 1.5 人工神經(jīng)網(wǎng)絡的分類 8 1.6 人工神經(jīng)網(wǎng)絡的特點 8 1.7 人工神經(jīng)網(wǎng)絡的功能 9 1.8 人工神經(jīng)網(wǎng)絡的應用 10 思考題 11第二章 人工神經(jīng)網(wǎng)絡的基本原理 12 2.1 生物神經(jīng)網(wǎng)絡 12 2.1.1 生物神經(jīng)元的結構 12 2.1.2 生物神經(jīng)元的信息處理機理 13 2.1.3 生物神經(jīng)網(wǎng)絡的結構 15 2.1.4 生物神經(jīng)網(wǎng)絡的信息處理 16 2.2 人工神經(jīng)元的數(shù)學建模 17 2.2.1 MP模型 17 2.2.2 常用的神經(jīng)元數(shù)學模型 19 2.3 人工神經(jīng)網(wǎng)絡的結構建模 22 2.3.1 網(wǎng)絡拓撲類型 22 2.3.2 網(wǎng)絡信息流向類型 23 2.3.3 人工神經(jīng)網(wǎng)絡結構模型的特點 24 2.4 人工神經(jīng)網(wǎng)絡的學習 24 思考題 26第三章 感知器 27 3.1 感知器的結構與功能 27 3.1.1 單層感知器的網(wǎng)絡結構 27 3.1.2 單層感知器的功能分析 28 3.2 感知器的學習算法 32 3.3 感知器的局限性與改進方式 34 3.4 多層感知器 35 3.5 感知器神經(jīng)網(wǎng)絡的MATLAB仿真實例 37 3.5.1 常用的感知器神經(jīng)網(wǎng)絡函數(shù) 37 3.5.2 仿真實例 39 思考題 43
第四章 BP神經(jīng)網(wǎng)絡 44 4.1 BP網(wǎng)絡的模型 44 4.2 BP網(wǎng)絡的學習算法 45 4.2.1 BP算法推導 45 4.2.2 BP算法的程序?qū)崿F(xiàn) 47 4.3 BP網(wǎng)絡的功能與數(shù)學本質(zhì) 49 4.3.1 BP神經(jīng)網(wǎng)絡的功能特點 49 4.3.2 BP神經(jīng)網(wǎng)絡的數(shù)學本質(zhì) 50 4.4 BP網(wǎng)絡的問題與改進 50 4.4.1 BP神經(jīng)網(wǎng)絡存在的缺陷與原因分析 50 4.4.2 傳統(tǒng)BP算法的改進與優(yōu)化 51 4.4.3 深度神經(jīng)網(wǎng)絡 53 4.5 BP網(wǎng)絡的設計 54 4.5.1 輸入/輸出變量的確定與訓練樣本集的準備 54 4.5.2 BP網(wǎng)絡結構設計 56 4.5.3 網(wǎng)絡訓練與測試 57 4.6 BP網(wǎng)絡的MATLAB仿真實例 58 4.6.1 BP神經(jīng)網(wǎng)絡的MATLAB工具箱 58 4.6.2 BP網(wǎng)絡仿真實例 59 4.7 基于BP算法的一級倒立擺神經(jīng)網(wǎng)絡控制 64 4.7.1 倒立擺系統(tǒng) 64 4.7.2 仿真模型的建立 65 4.7.3 BP神經(jīng)網(wǎng)絡控制器的設計 65 4.7.4 神經(jīng)網(wǎng)絡控制器控制仿真實驗 68 4.7.5 神經(jīng)網(wǎng)絡實物控制實驗 69 思考題 70第五章 徑向基神經(jīng)網(wǎng)絡 71 5.1 徑向基網(wǎng)絡的模型 71 5.1.1 正規(guī)化RBF網(wǎng)絡 71 5.1.2 廣義RBF網(wǎng)絡 73 5.1.3 RBF網(wǎng)絡的生理學基礎 73 5.1.4 RBF網(wǎng)絡的數(shù)學基礎 74 5.1.5 函數(shù)逼近與模式分類問題舉例 76 5.2 徑向基網(wǎng)絡的學習算法 79 5.2.1 數(shù)據(jù)中心的確定 79 5.2.2 擴展常數(shù)的確定 80 5.2.3 輸出權向量的確定 80 5.2.4 梯度下降法同時獲取數(shù)據(jù)中心、擴展系數(shù)與權向量 81 5.3 徑向基網(wǎng)絡的特性分析 82 5.3.1 RBF神經(jīng)網(wǎng)絡的特點 82 5.3.2 RBF神經(jīng)網(wǎng)絡與BP神經(jīng)網(wǎng)絡的比較 82 5.3.3 RBF神經(jīng)網(wǎng)絡應用的關鍵問題 82 5.4 其他徑向基網(wǎng)絡 83 5.4.1 廣義回歸神經(jīng)網(wǎng)絡 83 5.4.2 概率神經(jīng)網(wǎng)絡 85 5.5 徑向基網(wǎng)絡的MATLAB仿真實例 87 5.5.1 RBF網(wǎng)絡的MATLAB工具箱 87 5.5.2 仿真實例 88 思考題 91第六章 反饋式神經(jīng)網(wǎng)絡 92 6.1 Elman神經(jīng)網(wǎng)絡 92 6.1.1 Elman神經(jīng)網(wǎng)絡的結構 92 6.1.2 Elman神經(jīng)網(wǎng)絡學習算法 93 6.1.3 Elman神經(jīng)網(wǎng)絡的應用 94 6.2 離散Hopfield神經(jīng)網(wǎng)絡 94 6.2.1 離散Hopfield神經(jīng)網(wǎng)絡的模型 94 6.2.2 離散Hopfield神經(jīng)網(wǎng)絡的運行規(guī)則 95 6.2.3 離散Hopfield神經(jīng)網(wǎng)絡的運行過程 95 6.3 連續(xù)Hopfield神經(jīng)網(wǎng)絡 100 6.3.1 連續(xù)Hopfield神經(jīng)網(wǎng)絡的網(wǎng)絡模型 100 6.3.2 連續(xù)Hopfield神經(jīng)網(wǎng)絡的穩(wěn)定性分析 102 6.4 Hopfield神經(jīng)網(wǎng)絡的應用 102 6.4.1 聯(lián)想記憶 103 6.4.2 優(yōu)化計算 104 6.5 反饋神經(jīng)網(wǎng)絡的MATLAB仿真實例 104 6.5.1 Elman神經(jīng)網(wǎng)絡的MATLAB實現(xiàn) 104 6.5.2 Hopfield神經(jīng)網(wǎng)絡的MATLAB實現(xiàn) 106 思考題 108第七章 自組織競爭神經(jīng)網(wǎng)絡 110 7.1 模式分類的基本概念 110 7.1.1 分類與聚類 110 7.1.2 相似性測量 110 7.2 基本競爭型神經(jīng)網(wǎng)絡 111 7.2.1 基本競爭型神經(jīng)網(wǎng)絡結構 111 7.2.2 競爭學習策略 112 7.2.3 特性分析 117 7.3 自組織特征映射神經(jīng)網(wǎng)絡 117 7.3.1 SOM網(wǎng)的拓撲結構 117 7.3.2 SOM網(wǎng)的工作原理 117 7.3.3 SOM網(wǎng)的學習算法 118 7.3.4 SOM網(wǎng)的功能應用 121 7.4 自適應共振理論(ART) 神經(jīng)網(wǎng)絡 122 7.4.1 ART模型 122 7.4.2 ART算法原理 123 7.5 學習向量量化（LVQ）神經(jīng)網(wǎng)絡 124 7.5.1 LVQ神經(jīng)網(wǎng)絡結構 124 7.5.2 LVQ神經(jīng)網(wǎng)絡的學習算法 124 7.6 對偶網(wǎng)絡（CPN）神經(jīng)網(wǎng)絡 125 7.6.1 CPN神經(jīng)網(wǎng)絡結構 125 7.6.2 CPN神經(jīng)網(wǎng)絡的學習算法 125 7.7 自組織競爭網(wǎng)絡的MATLAB仿真實例 126 7.7.1 重要的自組織網(wǎng)絡函數(shù) 126 7.7.2 自組織網(wǎng)絡應用舉例 128 思考題 132第八章 CMAC網(wǎng)絡 133 8.1 CMAC網(wǎng)絡工作原理 133 8.1.1 CMAC網(wǎng)絡的生理學基礎 133 8.1.2 CMAC網(wǎng)絡的基本思想 133 8.2 CMAC模型結構 134 8.3 CMAC學習算法 135 8.4 CMAC網(wǎng)絡的討論 137 8.4.1 CMAC網(wǎng)絡的特點 137 8.4.2 CMAC與BP神經(jīng)網(wǎng)絡的比較 137 8.4.3 CMAC與RBF神經(jīng)網(wǎng)絡的比較 138 思考題 139第九章 模糊神經(jīng)網(wǎng)絡 140 9.1 模糊控制理論基礎 140 9.1.1 模糊集合及其運算 140 9.1.2 模糊關系與模糊邏輯推理 141 9.1.3 模糊控制 142 9.2 模糊系統(tǒng)和神經(jīng)網(wǎng)絡的聯(lián)系 145 9.2.1 模糊系統(tǒng)和神經(jīng)網(wǎng)絡的區(qū)別 145 9.2.2 模糊系統(tǒng)和神經(jīng)網(wǎng)絡的等價性 146 9.3 模糊系統(tǒng)與神經(jīng)網(wǎng)絡的融合 147 9.4 ANFIS 148 9.4.1 自適應網(wǎng)絡 149 9.4.2 ANFIS的結構 149 9.4.3 ANFIS的學習算法 151 9.4.4 ANFIS的特點 152 9.5 模糊神經(jīng)網(wǎng)絡仿真實例 152 9.5.1 MATLAB模糊邏輯工具箱 152 9.5.2 仿真實例 153 9.5.3 倒立擺的模糊神經(jīng)網(wǎng)絡控制 156 思考題 159第十章 神經(jīng)網(wǎng)絡的優(yōu)化 160 10.1 神經(jīng)網(wǎng)絡的優(yōu)化方法 160 10.1.1 網(wǎng)絡結構的優(yōu)化 160 10.1.2 訓練算法的優(yōu)化 160 10.2 基于遺傳算法的神經(jīng)網(wǎng)絡優(yōu)化 161 10.2.1 遺傳算法 161 10.2.2 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的權值訓練 164 10.2.3 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的網(wǎng)絡結構 164 10.3 基于粒子群算法的神經(jīng)網(wǎng)絡優(yōu)化 165 10.3.1 粒子群算法 165 10.3.2 粒子群算法優(yōu)化神經(jīng)網(wǎng)絡的權值訓練 167 10.4 基于混沌搜索算法的神經(jīng)網(wǎng)絡優(yōu)化 168 10.4.1 混沌現(xiàn)象 168 10.4.2 混沌優(yōu)化算法原理 170 10.4.3 混沌優(yōu)化算法優(yōu)化神經(jīng)網(wǎng)絡的權值訓練 170 思考題 170第十一章 深度神經(jīng)網(wǎng)絡 171 11.1 深度信念網(wǎng)絡（DBNs） 171 11.1.1 基礎知識 171 11.1.2 DBNs的結構 172 11.1.3 DBNs的特點 173 11.1.4 DBNs學習算法 174 11.1.5 DBNs的應用 175 11.2 卷積神經(jīng)網(wǎng)絡（CNNs） 178 11.2.1 基礎知識 178 11.2.2 CNNs的結構 179 11.2.3 CNNs的特點 180 11.2.4 CNNs學習算法 180 11.2.5 CNNs的應用 181 11.3 深度神經(jīng)網(wǎng)絡的MATLAB仿真實例 182 11.3.1 DBNs的MATLAB工具箱 183 11.3.2 DBNs的仿真實例 183 11.3.3 CNNs的MATLAB工具箱 186 11.3.4 CNNs的仿真實例 187 思考題 189第十二章 神經(jīng)控制 190 12.1 控制理論的發(fā)展 190 12.2 智能控制 191 12.2.1 智能控制的產(chǎn)生 191 12.2.2 智能控制的分類 192 12.2.3 智能控制系統(tǒng)的組成 193 12.3 基于神經(jīng)網(wǎng)絡的辨識器 194 12.3.1 系統(tǒng)辨識的基本原理 194 12.3.2 神經(jīng)網(wǎng)絡系統(tǒng)辨識典型結構 196 12.4 基于神經(jīng)網(wǎng)絡的控制器 198 12.4.1 神經(jīng)網(wǎng)絡控制的基本思想 198 12.4.2 神經(jīng)網(wǎng)絡控制系統(tǒng)典型結構 198 思考題 203參考文獻 204
你還可能感興趣
我要評論
|
