智能科学与技术丛书 神经网络设计 原书第2版PDF电子书下载

第1章 引言 1

1.1目标 1

1.2历史 1

1.3应用 3

1.4生物学启示 4

1.5扩展阅读 5

第2章 神经元模型及网络结构 8

2.1目标 8

2.2理论与例子 8

2.2.1记号 8

2.2.2神经元模型 8

2.2.3网络结构 11

2.3小结 15

2.4例题 17

2.5结束语 18

2.6习题 18

第3章 一个说明性的实例 20

3.1目标 20

3.2理论与例子 20

3.2.1问题描述 20

3.2.2感知机 21

3.2.3 Hamming网络 23

3.2.4 Hopfield网络 26

3.3结束语 27

3.4习题 28

第4章 感知机学习规则 31

4.1目标 31

4.2理论与例子 31

4.2.1学习规则 31

4.2.2感知机结构 32

4.2.3感知机的学习规则 35

4.2.4收敛性证明 39

4.3小结 41

4.4例题 42

4.5结束语 48

4.6扩展阅读 49

4.7习题 49

第5章 信号与权值向量空间 53

5.1目标 53

5.2理论与例子 53

5.2.1线性向量空间 53

5.2.2线性无关 54

5.2.3生成空间 55

5.2.4内积 56

5.2.5范数 56

5.2.6正交性 56

5.2.7向量展开式 58

5.3小结 60

5.4例题 61

5.5结束语 66

5.6扩展阅读 67

5.7习题 67

第6章 神经网络中的线性变换 71

6.1目标 71

6.2理论与例子 71

6.2.1线性变换 71

6.2.2矩阵表示 72

6.2.3基变换 74

6.2.4特征值与特征向量 76

6.3小结 79

6.4例题 79

6.5结束语 85

6.6扩展阅读 85

6.7习题 86

第7章 有监督的Hebb学习 90

7.1目标 90

7.2理论与例子 90

7.2.1线性联想器 91

7.2.2 Hebb规则 91

7.2.3伪逆规则 93

7.2.4 应用 95

7.2.5 Heblb学习的变形 96

7.3小结 97

7.4例题 98

7.5结束语 105

7.6扩展阅读 105

7.7习题 106

第8章 性能曲面和最优点 108

8.1目标 108

8.2理论与例子 108

8.2.1泰勒级数 108

8.2.2方向导数 110

8.2.3极小点 111

8.2.4优化的必要条件 113

8.2.5二次函数 114

8.3小结 119

8.4例题 120

8.5结束语 127

8.6扩展阅读 127

8.7习题 128

第9章 性能优化 131

9.1目标 131

9.2理论与例子 131

9.2.1最速下降法 131

9.2.2牛顿法 136

9.2.3共轭梯度法 139

9.3小结 142

9.4例题 142

9.5结束语 150

9.6扩展阅读 150

9.7习题 151

第10章 Widrow-Hoff学习 153

10.1目标 153

10.2理论与例子 153

10.2.1 ADALINE网络 153

10.2.2均方误差 154

10.2.3 LMS算法 156

10.2.4收敛性分析 157

10.2.5自适应滤波器 159

10.3小结 164

10.4例题 165

10.5结束语 174

10.6扩展阅读 174

10.7习题 175

第11章 反向传播 179

11.1目标 179

11.2理论与例子 179

11.2.1多层感知机 179

11.2.2反向传播算法 182

11.2.3例子 186

11.2.4批量训练和增量训练 188

11.2.5使用反向传播 188

11.3小结 192

11.4例题 193

11.5结束语 201

11.6扩展阅读 201

11.7习题 202

第12章 反向传播算法的变形 210

12.1目标 210

12.2理论与例子 210

12.2.1反向传播算法的缺点 210

12.2.2反向传播算法的启发式改进 215

12.2.3数值优化技术 218

12.3小结 226

12.4例题 228

12.5结束语 235

12.6扩展阅读 236

12.7习题 237

第13章 泛化 241

13.1目标 241

13.2理论与例子 241

13.2.1问题描述 242

13.2.2提升泛化能力的方法 243

13.3小结 257

13.4例题 258

13.5结束语 265

13.6扩展阅读 265

13.7习题 266

第14章 动态网络 270

14.1目标 270

14.2理论与例子 270

14.2.1分层数字动态网络 271

14.2.2动态学习的基本原则 273

14.2.3动态反向传播 276

14.3小结 288

14.4例题 290

14.5结束语 296

14.6扩展阅读 296

14.7习题 297

第15章 竞争网络 302

15.1目标 302

15.2理论与例子 302

15.2.1 Hamming网络 303

15.2.2竞争层 304

15.2.3生物学中的竞争层 307

15.2.4自组织特征图 308

15.2.5学习向量量化 310

15.3小结 314

15.4例题 315

15.5结束语 322

15.6扩展阅读 322

15.7习题 323

第16章 径向基网络 329

16.1目标 329

16.2理论与例子 329

16.2.1径向基网络 329

16.2.2训练RBF网络 333

16.3小结 343

16.4例题 344

16.5结束语 347

16.6扩展阅读 347

16.7习题 348

第17章 实际训练问题 352

17.1目标 352

17.2理论与例子 352

17.2.1训练前的步骤 353

17.2.2网络训练 359

17.2.3训练结果分析 362

17.3结束语 368

17.4扩展阅读 368

第18章 实例研究1：函数逼近 370

18.1目标 370

18.2理论与例子 370

18.2.1智能传感系统描述 370

18.2.2数据收集与预处理 371

18.2.3网络结构选择 372

18.2.4网络训练 372

18.2.5验证 373

18.2.6数据集 374

18.3结束语 375

18.4扩展阅读 375

第19章 实例研究2：概率估计 376

19.1目标 376

19.2理论与例子 376

19.2.1 CVD过程描述 376

19.2.2数据收集与预处理 377

19.2.3网络结构选择 378

19.2.4网络训练 379

19.2.5验证 381

19.2.6数据集 382

19.3结束语 382

19.4扩展阅读 383

第20章 实例研究3：模式识别 384

20.1目标 384

20.2理论与例子 384

20.2.1心肌梗死识别问题描述 384

20.2.2数据收集与预处理 384

20.2.3网络结构选择 387

20.2.4网络训练 387

20.2.5验证 388

20.2.6数据集 389

20.3结束语 390

20.4扩展阅读 390

第21章 实例研究4：聚类 391

21.1目标 391

21.2理论与例子 391

21.2.1森林覆盖问题描述 391

21.2.2数据收集与预处理 392

21.2.3网络结构选择 392

21.2.4网络训练 393

21.2.5验证 394

21.2.6数据集 396

21.3结束语 396

21.4扩展阅读 396

第22章 实例研究5：预测 398

22.1目标 398

22.2理论与例子 398

22.2.1磁悬浮系统描述 398

22.2.2数据收集与预处理 399

22.2.3网络结构选择 399

22.2.4网络训练 401

22.2.5验证 402

22.2.6数据集 404

22.3结束语 404

22.4扩展阅读 405

附录A参考文献 406

附录B记号 413

附录C软件 417

索引 420