前馈神经网络分析与设计PDF电子书下载

第1章 绪论 1

1.1 引言 1

1.2 神经网络及其发展 2

1.2.1 神经网络的定义 2

1.2.2 神经网络的功能 3

1.2.3 神经网络的发展 4

1.2.4 神经网络的应用 7

1.3 人工神经网络的结构设计 9

1.3.1 人工神经网络的结构 9

1.3.2 前馈神经网络结构设计研究现状 10

1.4 本书主要内容 13

1.4.1 神经网络参数学习算法研究 14

1.4.2 神经网络结构设计方法研究 14

1.4.3 自组织神经网络结构算法研究 15

1.4.4 应用研究 15

参考文献 17

第2章 感知器神经网络 23

2.1 引言 23

2.2 感知器神经网络分析 23

2.2.1 单神经元分析 24

2.2.2 单层感知器神经网络 25

2.2.3 多层感知器神经网络 28

2.3 感知器神经网络学习算法 30

2.3.1 隐含层与输出层之间的权值修正 33

2.3.2 输入层与隐含层之间的权值修正 34

2.3.3 BP算法的改进 36

2.4 本章小结 43

附录A 数学基础 44

附录A.1 泰勒引理 44

附录A.2 泰勒定理和推论 46

参考文献 49

第3章 RBF神经网络 53

3.1 引言 53

3.2 RBF神经网络原理 54

3.2.1 插值计算 54

3.2.2 模式可分性 56

3.2.3 正规化法则 57

3.2.4 RBF神经网络结构 58

3.3 RBF神经网络学习算法 59

3.3.1 中心值学习策略 59

3.3.2 隐含层和输出层连接权值学习策略 63

3.4 本章小结 67

附录B 数学运算 67

附录B.1 域和向量空间 67

附录B.2 矩阵的表示和运算 69

附录B.3 矩阵的性质 70

附录B.4 矩阵范数的运算 75

参考文献 76

第4章 模糊神经网络 80

4.1 引言 80

4.2 模糊推理系统描述 81

4.2.1 模糊集合与隶属函数 81

4.2.2 模糊运算 83

4.3 模糊神经网络结构 87

4.4 模糊神经网络学习算法 89

4.5 本章小结 93

参考文献 94

第5章 前馈神经网络快速下降算法研究 98

5.1 引言 98

5.2 神经网络学习 98

5.2.1 神经网络结构及信息处理 98

5.2.2 神经网络学习算法分析 100

5.3 快速下降算法 101

5.3.1 快速下降算法描述 101

5.3.2 快速下降算法收敛性分析 104

5.4 仿真研究 108

5.4.1 感知器神经网络仿真研究 109

5.4.2 RBF神经网络仿真研究 112

5.5 本章小结 117

参考文献 118

第6章 前馈神经网络改进型递归最小二乘算法研究 123

6.1 引言 123

6.2 递归最小二乘算法 124

6.2.1 递归最小二乘算法描述 124

6.2.2 递归最小二乘算法分析 128

6.3 改进型递归最小二乘算法 129

6.3.1 改进型递归最小二乘算法描述 130

6.3.2 改进型递归最小二乘算法收敛性分析 131

6.4 改进型递归最小二乘算法的应用 132

6.4.1 非线性函数逼近 133

6.4.2 双螺旋模式分类 135

6.4.3 污泥膨胀预测 137

6.5 本章小结 142

参考文献 143

第7章 基于显著性分析的快速修剪型感知器神经网络 148

7.1 引言 148

7.1.1 增长型神经网络 148

7.1.2 修剪型神经网络 152

7.2 显著性分析 153

7.2.1 误差曲面分析 153

7.2.2 显著性分析算法 155

7.3 基于显著性分析的快速修剪算法 156

7.3.1 多层感知器神经网络 157

7.3.2 多层感知器神经网络快速修剪算法 158

7.3.3 仿真研究 160

7.4 本章小结 167

参考文献 168

第8章 增长-修剪型多层感知器神经网络 174

8.1 引言 174

8.2 敏感度计算 175

8.2.1 敏感度分析方法的分类 175

8.2.2 敏感度分析方法 178

8.2.3 敏感度计算 181

8.3 神经网络输出敏感度分析 182

8.3.1 敏感度分析的频域研究 182

8.3.2 神经网络输出敏感度分析 187

8.4 增长-修剪型多层感知器神经网络分析 189

8.4.1 隐含层神经元的敏感度 189

8.4.2 神经元增长和修剪 192

8.4.3 增长-修剪型感知器神经网络 193

8.4.4 收敛性分析 195

8.5 增长-修剪型多层感知器神经网络应用 197

8.5.1 非线性函数逼近 197

8.5.2 数据分类 199

8.5.3 生化需氧量软测量 202

8.6 本章小结 208

参考文献 210

第9章 弹性RBF神经网络 215

9.1 引言 215

9.2 RBF神经网络描述 216

9.3 弹性RBF神经网络 217

9.3.1 神经元修复准则 217

9.3.2 神经网络结构优化设计 219

9.3.3 弹性RBF神经网络 221

9.3.4 收敛性分析 221

9.4 弹性RBF神经网络应用 224

9.4.1 非线性函数逼近 224

9.4.2 非线性系统建模 227

9.4.3 溶解氧模型预测控制 231

9.5 本章小结 238

附录C 熵 239

附录C.1 熵的概念 239

附录C.2 互信息 240

参考文献 242

第10章 自组织模糊神经网络 248

10.1 引言 248

10.2 模糊神经网络 249

10.3 自组织模糊神经网络分析 253

10.3.1 模糊神经网络结构优化 253

10.3.2 模糊神经网络自组织设计算法 256

10.3.3 收敛性分析 258

10.4 自组织模糊神经网络应用 260

10.4.1 非线性系统建模 260

10.4.2 Mackey-Glass时间序列系统预测 263

10.4.3 污水处理关键水质参数预测 266

10.4.4 污水处理过程溶解氧控制 269

10.5 本章小结 272

参考文献 273

索引 278