图书介绍

神经网络模式识别及其实现PDF|Epub|txt|kindle电子书版本网盘下载

神经网络模式识别及其实现
  • （美）（A.S.潘迪）Abhijit S.Pandya，（美）（R.B.梅西）Robert B.Macy著；徐勇等译 著
  • 出版社： 北京：电子工业出版社
  • ISBN：7505350889
  • 出版时间：1999
  • 标注页数：333页
  • 文件大小：11MB
  • 文件页数：342页
  • 主题词：

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：5027df8a616076989aa2fdb3b8c66068

下载说明

神经网络模式识别及其实现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

第一章 引言1

1.1 模式识别系统1

1.2 人工神经网络方法的产生4

1.3 模式识别序言7

1.4 统计模式识别8

1.5 按句法规则的模式识别11

1.6 字符识别问题13

1.7 题目的组织15

参考书与文献15

第二章 神经网络概述17

2.1 生物神经网络概述17

2.2 背景17

2.3 生物神经网络18

2.4 大脑中的分层组织21

2.5 历史背景25

2.6 人工神经网络30

参考书与文献32

第三章 预处理35

3.1 概述35

3.2 扫描图像的处理35

3.3 图像压缩36

3.3.1 图像压缩的例子37

3.4 边缘检测38

3.5 骨架处理44

3.5.1 细化的例子46

3.6 处理手写板输入51

3.7 图像的分割54

参考书与文献55

第四章 有监督学习的前馈网络57

4.1 前馈多层感知器结构57

4.2 用C++实现前馈多层感知器59

4.3 利用B-P算法进行网络训练68

4.3.1 用C++实现B-P算法74

4.4 一个基本例子84

4.5 训练策略和避免局部最小90

4.6 梯度下降中的变量92

4.6.1 块适应和数据适应梯度下降方法的比较92

4.6.2 一阶和二阶梯度下降方法的比较93

4.7 拓扑93

4.8 ACON和OCON的比较93

4.9 过训练和推广95

4.10 训练集合和网络大小98

4.11 共轭梯度方法98

4.12 ALOPEX100

参考书与文献112

第五章 其它类型的神经网络115

5.1 概述115

5.2 径向基函数网络115

5.2.1 网络结构115

5.2.2 RBF训练116

5.2.3 RBF网络的应用118

5.3.1 引言119

5.3 高阶神经网络119

5.3.2 结构120

5.3.3 几何变换的不变性122

5.3.4 范例123

5.3.5 实际应用124

参考书与文献125

6.2 几何特征（环、交叉点、端点）129

6.2.1 交叉点和端点129

6.1 概述129

第六章 特征提取Ⅰ：几何特征和变换129

6.2.2 环132

6.3 特征映射141

6.4 基于几何特征的一个网络例子143

6.5 利用变换进行特征提取144

6.6 傅立叶描述符（FD）144

6.7 Gabor变换和子波146

参考书与文献151

第七章 特征提取Ⅱ：主分量分析153

7.1 降维153

7.2 主分量154

7.2.1 PCA示例155

7.3 KARHUNEN-LOEVE（K-L）变换156

7.3.1 变换示例157

7.4 主分量神经网络159

7.5 应用160

参考书与文献163

第八章 Kohonen网络学习矢量量化165

8.1 概述165

8.2 K-均值算法166

8.2.1 K-均值算法举例171

8.3 Kohonen模型介绍180

8.3.1 Kohonen网络示例187

8.4 侧反馈规则189

8.5 Kohonen自组织特征映射191

8.5.1 SOFM举例200

8.6 学习矢量量化204

8.6.1 LVQ举例211

8.7 LVQ的改进221

8.7.1 LVQ2222

8.7.2 LVQ2.1222

8.7.3 LVQ3223

8.7.4 LVQ的最后变形223

参考书与文献224

第九章 神经联想记忆和Hopfield网络225

9.1 概述225

9.2 线性联想记忆（LAM）226

9.2.1 一个自联想LAM例子227

9.3 Hopfield网络236

9.4 Hopfield网络的一个范例241

9.5 讨论242

9.6 位图范例244

9.7 BAM网络250

9.8 一个BAM网络范例252

参考书与文献255

第十章 自适应共振理论（ART）257

10.1 概述257

10.2 寻求聚类结构257

10.3 矢量量化257

10.3.1 VQ举例1264

10.3.2 VQ举例2269

10.3.3 VQ举例3274

10.4 ART基本原理279

10.5 稳定性和可塑性两难问题280

10.6 ART1：基本工作方式281

10.7 ART1：算法287

10.8 增益控制机制288

10.8.1 增益控制举例1294

10.8.2 增益控制举例2298

10.9 ART2 模型303

10.10 讨论304

10.11 应用307

参考书与文献309

第十一章 神经认知机311

11.1 引言311

11.2 网络的结构311

11.3 神经认知机的一个例子316

参考书与文献321

第十二章 多分类器系统323

12.1 综述323

12.2 多种识别器组合成的系统结构325

12.3 投票方案327

12.4 混淆矩阵329

12.5 可靠性331

12.6 一些经验方法332

参考书与文献333

热门推荐