人工神经元网络原理与应用 第2版PDF电子书下载

第一章 绪论 1

1.1 为什么要用人工神经元网络 1

1.2 人工神经元网络的发展 3

1.3 人工神经元网络是怎样工作的 4

习题 12

第二章 生物神经元网络的基本原理 13

2.1 生物神经元 13

2.2 生物神经元网络的结构 15

习题 18

第三章 人工神经元网络的基本原理 19

3.1 人工神经元 19

3.2 人工神经元网络模型 22

3.3 神经元网络的学习过程 28

3.4 神经元网络的学习规则 30

3.5 神经元网络的工作过程 37

习题 38

第四章 感知机模型网络 43

4.1 感知机网络的结构 43

4.2 感知机网络的学习规则 43

4.3 感知机网络的局限性 47

习题 49

第五章 多层网络的误差逆传播校正方法 51

5.1 误差逆传播校正方法 51

5.2 BP网络的学习规则与计算方法 54

5.3 BP网络的应用举例 59

5.4 BP网络的改进方案 63

习题 65

第六章 Hopfield神经元网络 69

6.1 Hopfield网络的基本结构 69

6.2 Hopfield网络的能量函数与运行规则 71

6.3 联想记忆 74

6.4 Hopfield网络连接权的设计方法 75

6.5 Hopfield网络的弱点 78

6.6 连续型Hopfield神经网络 79

6.7 Hopfield网络的应用 82

习题 86

第七章 随机型神经元网络 93

7.1 模拟退火算法 93

7.2 波尔茨曼机模型及其工作规则 95

7.3 波尔茨曼机模型网络的学习规则 98

习题 103

第八章 竞争型神经元网络 104

8.1 竞争型神经元网络的基本结构及其学习方法 104

8.2 抑制竞争型神经元网络及其学习规则 107

8.3 自适应共振理论神经网络 109

习题 114

第九章 自组织特征映射神经元网络 116

9.1 SOFM网络结构及学习工作规则 116

9.2 SOFM网络的应用 120

习题 122

第十章 对向传播神经元网络 124

10.1 CP网络的结构及学习工作规则 124

10.2 CP网络的改进与完善 126

习题 128

第十一章 神经元网络控制简介 130

11.1 神经元网络控制的基本原理 130

11.2 几种典型的神经元网络控制系统的结构 131

习题 133

第十二章 人工神经元网络编程实例 135

12.1 感知机模型神经元网络编程 135

12.2 BP神经元网络编程 139

12.3 ART1型神经元网络编程 146

参考文献 150