图书介绍

人工神经网络原理及仿真实例PDF|Epub|txt|kindle电子书版本网盘下载

人工神经网络原理及仿真实例
  • 高隽编著 著
  • 出版社： 北京：机械工业出版社
  • ISBN：7111125916
  • 出版时间：2003
  • 标注页数：209页
  • 文件大小：25MB
  • 文件页数：219页
  • 主题词：人工神经元网络－高等学校－教材；计算机仿真－高等学校－教材

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：22c8d48f1feac6192f94758acc9f2254

下载说明

人工神经网络原理及仿真实例PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

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

图书目录

第1章 引言1

1.1 人工神经网络简介1

1.2 人工神经网络发展历史1

1.2.1 兴起阶段1

1.2.2 萧条阶段3

1.2.3 兴盛阶段4

1.3 人工神经网络模型6

1.3.1 生物神经元模型6

1.3.2 人工神经网络的模型7

1.4 人工神经网络的分类及学习规则10

1.4.1 人工神经网络的分类10

1.4.2 神经网络的学习12

1.5 人工神经网络的信息处理能力16

1.6 人工神经网络的应用17

1.7 人工神经网络与人工智能18

1.7.1 人工智能简介18

1.7.2 人工智能与人工神经网络19

1.8 习题20

第2章 单层前向网络及LMS学习算法23

2.1 单层感知器23

2.1.1 单层感知器模型23

2.1.2 单层感知器的学习算法24

2.2 自适应线性元件27

2.3 LMS学习算法30

2.4 仿真实例33

2.5 习题43

3.1 多层感知器44

第3章 多层前向网络及BP学习算法44

3.2.1 BP学习算法45

3.2 BP学习算法45

3.2.2 BP学习算法步骤49

3.2.3 BP学习算法的改进53

3.3 径向基网络55

3.3.1 RBF神经网络模型56

3.3.2 RBF网络的学习算法59

3.3.3 RBF网络与多层感知器的比较63

3.4 仿真实例63

3.5 习题73

第4章 支持向量机及其学习算法76

4.1 统计学习理论77

4.2.1 线性支持向量机78

4.2 支持向量机78

4.2.2 非线性支持向量机81

4.2.3 支持向量机与多层前向网络的比较84

4.3 支持向量机的学习算法84

4.3.1 学习算法84

4.3.2 改进算法85

4.4 仿真实例86

4.5 习题94

第5章 Hopfield神经网络与联想记忆95

5.1 神经动力学95

5.2 离散Hopfield神经网络97

5.2.1 离散Hopfield网络模型97

5.2.2 离散Hopfield网络的运行规则98

5.3 连续Hopfield神经网络99

5.3.1 连续Hopfield网络模型100

5.3.2 连续Hopfield网络稳定性分析101

5.4 联想记忆102

5.4.1 联想记忆的基本概念102

5.4.2 Hopfield联想记忆网络105

5.4.3 Hopfield联想记忆网络的运行步骤106

5.4.4 联想记忆网络的改进108

5.5 仿真实例109

5.6 习题118

第6章 随机神经网络及模拟退火算法119

6.1 Boltzmann机119

6.1.1 Boltzmann机的网络结构120

6.1.2 Boltzmann机的工作原理121

6.1.3 Boltzmann机的运行步骤123

6.1.4 Boltzmann机的学习规则124

6.2 Boltzmann机的改进126

6.2.1 确定性Boltzmann机126

6.2.2 Sigmoid置信度网络127

6.3 模拟退火算法129

6.3.1 模拟退火原理130

6.3.2 模拟退火算法用于组合优化问题131

6.4 仿真实例133

6.5 习题140

第7章 竞争神经网络141

7.1 Hamming网络142

7.1.1 Hamming网的网络结构142

7.1.2 网络的运行过程143

7.1.3 网络的学习算法144

7.2 自组织映射网络146

7.2.1 自组织映射网络模型147

7.2.2 自组织映射学习算法148

7.3 学习矢量量化151

7.3.1 网络模型151

7.3.2 学习矢量量化的学习算法152

7.3.3 学习矢量量化和自组织映射154

7.4 主分量分析155

7.4.1 主分量分析方法155

7.4.2 前向主分量分析网络及其算法158

7.4.3 自适应主分量网络及其算法160

7.5 仿真实例162

7.6 习题176

第8章 协同神经网络178

8.1 协同学简介179

8.1.1 协同学的基本概念180

8.1.2 协同学的数学模型180

8.2 协同神经网络及其学习算法183

8.2.1 协同神经网络的数学模型183

8.2.2 协同神经网络的结构185

8.2.3 协同神经网络的运行步骤188

8.2.4 协同学习算法189

8.3 仿真实例192

8.4 习题196

附录1 MATLAB及神经网络工具箱简介197

附录2 MATLAB(5.X版)中神经网络工具箱函数203

参考文献208

热门推荐