当前位置:首页 > 工业技术
神经网络设计方法与实例分析
神经网络设计方法与实例分析

神经网络设计方法与实例分析PDF电子书下载

工业技术

  • 电子书积分:13 积分如何计算积分?
  • 作 者:施彦,韩力群,廉小亲编著
  • 出 版 社:北京:北京邮电大学出版社
  • 出版年份:2009
  • ISBN:9787563521029
  • 页数:363 页
图书介绍:本书主要内容包括神经网络模型评估与选择,10种典型网络包括BP网络,RBF网络的, SOFM网络,LVQ网络,CPN网络,ART网络, Hopfield网络, 时序递归网络,CMAC网络,SVM网络的设计与应用,最后介绍了人工神经元网络设计开发平台。
《神经网络设计方法与实例分析》目录

第1章 神经网络模型评估及选择 1

1.1 神经网络的泛化能力[1-3] 1

1.2 神经网络预测模型的一般描述[2,3] 2

1.3 研究神经网络泛化能力的理论基础[2-6] 3

1.3.1 经验风险最小化原则 3

1.3.2 结构风险最小化原则 4

1.3.3 偏差-方差分解 5

1.4 影响神经网络的泛化能力的具体因素[2-5] 6

1.4.1 神经网络具有泛化能力的基本必要条件 7

1.4.2 噪声的影响 7

1.4.3 “欠拟合”和“过拟合” 8

1.5 提高神经网络的泛化能力的方法[4,6] 9

1.5.1 模型结构选择 9

1.5.2 训练集扩展方法 11

1.5.3 提前停止 12

1.5.4 权值衰减 12

1.5.5 贝叶斯学习 13

1.5.6 神经网络集成[7-14] 14

1.6 神经网络模型的评估与选择[4-6,15] 17

1.6.1 神经网络模型的评估 17

1.6.2 神经网络模型的选择 18

本章参考文献 22

第2章 基于BP算法的多层感知器的设计与应用 23

2.1 基于BP算法的多层感知器网络工作原理与主要特点[1-6] 23

2.1.1 基于BP算法的多层前馈网络模型 23

2.1.2 BP学习算法 25

2.1.3 BP算法的程序实现 27

2.1.4 标准BP算法的改进 28

2.2 基于BP算法的多层前馈网络设计基础[1-6] 29

2.2.1 网络信息容量与训练样本数 30

2.2.2 训练样本集的准备 30

2.2.3 初始权值的设计 34

2.2.4 多层前馈网结构设计 34

2.2.5 网络训练与测试 36

2.3 基于BP算法的多层前馈网络应用与设计实例 37

2.3.1 基于BP算法的多层前馈网络在催化剂配方建模中的应用[8] 37

2.3.2 基于BP算法的多层前馈网络在城市年用水量预测中的应用[9] 38

2.3.3 基于BP算法的多层前馈网络在煤与瓦斯突出预测中的应用[10] 41

2.3.4 基于BP算法的多层前馈网络在磨煤机料位监测中的应用[11] 45

2.3.5 基于BP算法的多层前馈网络在道路安全评价中的应用[12] 48

2.3.6 基于BP算法的多层前馈网络在项目投资风险评价中的应用[13] 54

2.3.7 基于BP算法的多层前馈网络在大气环境质量评价中的应用[14] 56

2.3.8 基于BP网络集成的除草剂定量构效关系模型[15,16] 66

2.3.9 基于BP网络集成的物流中心选址模型[17] 70

本章参考文献 75

第3章 径向基函数神经网络的设计与应用 77

3.1 径向基函数网络原理与学习算法[1] 77

3.1.1 正则化RBF网络原理与学习算法 77

3.1.2 广义RBF网络原理与学习算法 80

3.2 RBF网络的设计要点[2] 83

3.2.1 随机选取RBF中心 83

3.2.2 自组织学习选取RBF中心及网络设计 83

3.2.3 有监督学习选取RBF中心及网络设计 84

3.2.4 正交最小二乘(OLS)法选取RBF中心及网络设计 84

3.2.5 递归最小二乘(OLS)法选取RBF中心及网络设计 84

3.2.6 其他方法 85

3.2.7 RBF网络与多层感知器的特点与设计比较 85

3.3 RBF网络的应用实例 86

3.3.1 RBF网络在液化气销售量预测中的应用[3] 86

3.3.2 RBF网络在地表水质评价中的应用[4] 86

3.3.3 RBF网络在汽油干点软测量中的应用[5] 88

3.3.4 RBF网络在地下温度预测中的应用[6] 89

3.3.5 RBF网络在工程车辆自动变速控制中的应用[7] 92

3.3.6 RBF网络在人脸年龄估计中的应用[8] 95

3.3.7 RBF网络在专利发展趋势预测中的应用[9] 97

3.3.8 RBF网络在图像融合中的应用[10] 100

3.3.9 RBF网络红外光谱法用于中药大黄样品的真伪分类[11] 104

3.3.10 RBF网络在船用柴油机智能诊断中的应用[12] 106

3.3.11 RBF网络在多级入侵检测中的应用[13] 109

本章参考文献 112

第4章 SOFM网络设计与应用 113

4.1 SOFM网络原理与学习算法[1] 113

4.2 SOFM网络的设计基础[1] 115

4.2.1 输出层设计 115

4.2.2 权值初始化问题 116

4.2.3 优胜邻域Nj*(t)的设计 117

4.2.4 学习率η(t)的设计 117

4.3 应用与设计实例 117

4.3.1 SOFM网络用于皮革外观效果分类[2] 117

4.3.2 SOFM网络用于物流中心城市分类评价[3] 119

4.3.3 SOFM网络用于遥感影像分类[4] 121

4.3.4 SOFM网络用于火焰燃烧诊断[5] 123

4.3.5 SOFM网络在防火树种分类中的应用[6] 125

4.3.6 SOFM在基于汉字与部件聚类的汉字认知建模中的应用[7] 128

4.3.7 SOFM网络在膨胀土分类中的应用[8] 132

4.3.8 SOFM网络在水电厂技术供水系统故障诊断中的应用[9] 136

4.3.9 SOFM网络在不同地区人力资本构成分析中的应用[10] 141

本章参考文献 144

第5章 LVQ网络设计与应用 146

5.1 LVQ网络原理与学习算法[1] 146

5.1.1 LVQ网络工作原理 146

5.1.2 LVQ网络的学习算法 147

5.2 LVQ网络设计要点[1] 149

5.2.1 竞争层设计 149

5.2.2 权值初始化问题 150

5.2.3 学习率η(t)的设计 151

5.3 应用与设计实例 151

5.3.1 LVQ网络在证券投资基金分类中的应用[2] 151

5.3.2 LVQ网络在探地雷达探雷中的应用[3] 153

5.3.3 LVQ网络在苹果等级判别中的应用[4] 154

5.3.4 LVQ网络在胃癌组织样品分类识别中的应用[5] 157

5.3.5 LVQ网络在液压系统故障诊断中的应用[6] 159

5.3.6 LVQ网络在汽车信贷客户分类中的应用研究[7] 161

5.3.7 LVQ网络在土地利用/覆盖变化探测中的应用[8] 162

5.3.8 LVQ网络在周期信号识别方面的扩展应用[9] 165

本章参考文献 168

第6章 对偶传播神经网络 169

6.1 网络运行原理及学习算法[1] 169

6.1.1 网络结构及运行原理 169

6.1.2 CPN的学习算法 170

6.2 CPN网的设计与改进[1] 172

6.2.1 CPN网的设计要点 172

6.2.2 改进的CPN网 172

6.3 CPN网的应用 173

6.3.1 CPN网在烤烟烟叶颜色模式分类中的应用[1] 173

6.3.2 CPN网络的水电机组振动故障诊断中的应用[2] 174

6.3.3 CPN网络在博士学位论文质量评估中的应用[3] 176

6.3.4 CPN网在人脸识别中的应用[4] 178

6.3.5 CPN网络在时间序列预测问题中的应用[5] 180

6.3.6 CPN网络在棉花异性纤维识别中的应用[6] 182

本章参考文献 184

第7章 ART网络设计及应用 185

7.1 ART网络原理与算法[1-4] 185

7.1.1 ART网络的主要特点 185

7.1.2 ARTⅠ型网络原理与算法 185

7.1.3 ARTⅡ型网络原理与算法 188

7.2 ART网络设计与改进[1-4] 190

7.2.1 设计要点——警戒门限的选择 190

7.2.2 几种改进算法 191

7.3 ART网络应用实例 193

7.3.1 ARTⅠ型网络在故障诊断中的应用 193

7.3.2 ARTⅠ型网络在垃圾邮件过滤中的应用[7] 195

7.3.3 ARTⅠ型网络在中文文档分类中的应用[8] 197

7.3.4 ARTⅡA-E型网络在指纹识别中的应用[9] 197

7.3.5 ARTⅡ型网络在压力容器焊缝超声波探伤中的应用[10] 200

7.3.6 变形ART网络的应用 201

本章参考文献 205

第8章 Hopfield网络的设计与应用 207

8.1 离散型Hopfield网络[1] 207

8.1.1 离散型Hopfield网络工作原理 207

8.1.2 网络的权值设计 209

8.2 连续型Hopfield网络[1] 210

8.3 Hopfield网络应用实例 212

8.3.1 DHNN网络在杭州西湖富营养化分类中的应用[2] 212

8.3.2 DHNN在数字水印算法中的应用[3,4] 215

8.3.3 DHNN在信用风险评价中的应用[5] 218

8.3.4 CHNN网解决TSP优化计算问题[1] 221

8.3.5 CHNN网络在原料混匀中的应用[6] 225

8.3.6 CHNN在经济负荷分配中的应用[7] 228

本章参考文献 231

第9章 时序递归网络的设计与应用 232

9.1 递归网络常用模型 232

9.1.1 输入输出递归网络通用模型[1] 232

9.1.2 Elman网络模型 233

9.1.3 递归多层感知器模型 234

9.2 递归网络的学习算法[1] 234

9.2.1 历时反向传播学习算法 235

9.2.2 实时递归学习算法 237

9.3 递归网络的应用实例 239

9.3.1 NARX网络在系统辨识中的应用[2] 239

9.3.2 E1man网络在股票价格预测中的应用[3] 241

9.3.3 Elman网络在故障诊断中的应用[4] 243

9.3.4 Elman网络集成在诺西肽发酵过程建模中的应用[5] 245

9.3.5 递归神经网络在化工动态系统建模中的应用[6,7] 247

9.3.6 递归神经网络在非线性预测语音编码中的应用[8] 250

本章参考文献 252

第10章 CMAC网络的设计与应用 253

10.1 CMAC网络工作原理与设计要点[1] 253

10.2 CMAC网络的学习算法 258

10.3 CMAC网络应用实例 258

10.3.1 CMAC网络在板厚控制系统中的应用[2] 259

10.3.2 CMAC网络在机器人的手臂协调控制中的应用[3] 261

10.3.3 CMAC网络在短期电价预测中的应用[4] 263

10.3.4 CMAC网络在系统辨识中的应用[5] 266

10.3.5 CMAC网络在温度传感器校正中的应用[6] 268

10.3.6 CMAC网络在变压器故障诊断中的应用[7] 271

本章参考文献 274

第11章 支持向量机的设计与应用 275

11.1 支持向量机的基本思想和构建[1,2] 275

11.1.1 最优超平面的概念和构建 275

11.1.2 支持向量机的基本原理 278

11.1.3 支持向量机用于多分类问题 280

11.1.4 支持向量机用于回归问题 281

11.2 支持向量机的学习算法[1,2] 282

11.3 支持向量机的特点及影响因素[2,3] 284

11.3.1 支持向量机的特点 284

11.3.2 支持向量机的影响因素 285

11.4 支持向量机设计的应用实例 286

11.4.1 用SVM解决XOR问题[1] 286

11.4.2 SVM在手写体数字识别中的应用[3] 289

11.4.3 支持向量机在混合气体种类光谱识别中的应用[4] 292

11.4.4 支持向量机在高速公路车流量预测中的应用[5] 296

11.4.5 基于SVM的沙尘暴预测模型[6] 298

11.4.6 SVM在人耳识别中的应用[7] 300

11.4.7 SVM在锅炉燃烧工况识别中的应用[8] 302

11.4.8 SVM在烤烟烟叶生长部分判别中的应用[9] 304

本章参考文献 305

第12章 人工神经元网络设计开发平台 307

12.1 MATLAB神经网络工具箱函数及其应用[1,2] 307

12.1.1 感知器神经网络工具箱函数 307

12.1.2 线性神经网络工具箱函数 312

12.1.3 BP神经网络工具箱函数 317

12.1.4 径向基神经网络工具箱函数 325

12.1.5 自组织神经网络工具箱函数 329

12.1.6 学习向量量化(LVQ)神经网络工具箱函数 337

12.1.7 Elman神经网络工具箱函数 340

12.1.8 Hopfield神经网络工具箱函数 345

12.2 基于MATLAB Simulink的神经网络控制[3] 348

12.2.1 控制系统模型分类 348

12.2.2 系统设计过程 349

12.2.3 神经网络预测控制系统实例 349

12.3 其他几种神经网络开发环境介绍[4-13] 358

12.3.1 神经网络软件NeuroSolutions 358

12.3.2 神经网络软件NeuralWorks ProfessionalⅡ/PLUS V 5.5 359

12.3.3 神经网络软件LmNet PF 360

12.3.4 Plexi神经网络开发环境 360

12.3.5 Neuroshell神经网络开发环境 360

12.3.6 NETSETⅡ神经网络开发环境 361

12.3.7 N-NET210神经网络开发环境 361

12.3.8 CaseNet神经网络开发环境 361

12.3.9 FS-Neuro神经网络开发平台 361

12.3.10 金自天正人工神经元网络开发平台软件V1.0 362

本章参考文献 362

相关图书
作者其它书籍
返回顶部