《神经网络设计》PDF下载

  • 购买积分:15 如何计算积分?
  • 作  者:(美)Martin T. Hagan等著;戴葵等译
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2002
  • ISBN:7111075854
  • 页数:463 页
图书介绍:

第1章 绪论 1

1.1 目的 1

1.2 历史 1

1.3 应用 3

1.4 生物学的启示 5

参考文献 6

第2章 神经元模型和网络结构 8

2.1 目的 8

2.1 理论和实例 8

2.2.1 符号 8

2.2.2 神经元模型 8

2.2.3 网络结构 13

2.3 小结 17

2.4 例题 20

2.5 结束语 22

习题 22

第3章 一个说明性实例 23

3.1 目的 23

3.2 理论和实例 23

3.2.1 问题描述 23

3.2.2 感知机 24

3.2.3 Hamming网络 28

3.2.4 Hopfield网络 30

3.3 结束语 32

习题 32

第4章 感知机学习规则 34

4.1 目的 34

4.2 理论和实例 34

4.2.1 学习规则 35

4.2.2 感知机的结构 35

4.2.3 感知机学习规则 39

4.2.4 收敛性证明 44

4.3 小结 47

4.4 例题 47

4.5 结束语 56

参考文献 56

习题 57

第5章 信号和权值向量空间 60

5.1 目的 60

5.2 理论和实例 60

5.2.1 线性向量空间 60

5.2.2 线性无关 62

5.2.3 生成空间 62

5.2.4 内积 63

5.2.5 范数 63

5.2.6 正交性 64

5.2.7 向量展开式 65

5.3 小结 68

5.4 例题 70

5.5 结束语 76

参考文献 76

习题 76

第6章 神经网络中的线性变换 79

6.1 目的 79

6.2 理论和实例 79

6.2.1 线性变换 79

6.2.2 矩阵表示 80

6.2.3 基变换 82

6.2.4 特征值和特征向量 85

6.3 小结 88

6.4 例题 89

6.5 结束语 96

参考文献 96

习题 97

第7章 有监督的Hebb学习 99

7.1 目的 99

7.2 理论和实例 99

7.2.1 线性联想器 100

7.2.2 Hebb规则 100

7.2.3 仿逆规则 103

7.2.4 应用 104

7.2.5 Hebb学习的变形 106

7.3 小结 106

7.4 例题 107

7.5 结束语 116

参考文献 116

习题 117

第8章 性能曲面和最优点 119

8.1 目的 119

8.2 理论和实例 119

8.2.1 泰勒级数 119

8.2.2 方向导数 121

8.2.3 极小点 122

8.2.4 优化的必要条件 124

8.2.5 二次函数 126

8.3 小结 131

8.4 例题 132

8.5 结束语 141

参考文献 141

习题 141

第9章 性能优化 143

9.1 目的 143

9.2 理论和实例 143

9.2.1 最速下降法 143

9.2.2 牛顿法 148

9.2.3 共轭梯度法 152

9.3 小结 155

9.4 例题 156

9.5 结束语 165

参考文献 166

习题 166

第10章 Widrow-Hoff学习算法 168

10.1 目的 168

10.2 理论和实例 168

10.2.1 ADALINE网络 168

10.2.2 均方误差 170

10.2.3 LMS算法 171

10.2.4 收敛性分析 173

10.2.5 自适应滤波 175

10.3 小结 181

10.4 例题 182

10.5 结束语 193

参考文献 193

习题 194

第11章 反向传播 197

11.1 目的 197

11.2 理论和实例 197

11.2.1 多层感知机 197

11.2.2 反向传播算法 201

11.2.3 例子 205

11.2.4 反向传播 207

11.3 小结 211

11.4 例题 212

11.5 结束语 221

参考文献 222

习题 222

第12章 反向传播算法的变形 227

12.1 目的 227

12.2 理论和实例 227

12.2.1 BP算法的缺点 227

12.2.2 BP算法的启发式改进 232

12.2.3 数值优化技术 235

12.3 小结 244

12.4 例题 246

12.5 结束语 255

参考文献 255

习题 257

第13章 联想学习 259

13.1 目的 259

13.2 理论和实例 259

13.2.1 简单联想网络 260

13.2.2 无监督的Hebb规则 261

13.2.3 简单的识别网络 264

13.2.4 instar规则 265

13.2.5 简单回忆网络 268

13.2.6 outstar规则 268

13.3 小结 271

13.4 例题 272

13.5 结束语 279

参考文献 280

习题 280

第14章 竞争网络 285

14.1 目的 285

14.2 理论和实例 285

14.2.1 Hamming网络 286

14.2.2 竞争层 287

14.2.3 生物学意义上的竞争层 291

14.2.4 自组织特征图 292

14.2.5 学习向量量化 295

14.3 小结 299

14.4 例题 301

14.5 结束语 310

参考文献 310

习题 311

第15章 Grossberg网络 315

15.1 目的 315

15.2 理论和实例 315

15.2.1 生物学的启发:视觉 316

15.2.2 基本非线性模型 321

15.2.3 两层竞争网络 323

15.2.4 与Kohonen规则的关系 331

15.3 小结 332

15.4 例题 335

15.5 结束语 342

参考文献 343

习题 344

第16章 自适应谐振理论 346

16.1 目的 346

16.2 理论和实例 346

16.2.1 自适应谐振概述 346

16.2.2 第一层 347

16.2.3 第二层 351

16.2.4 调整子系统 354

16.2.5 学习规则:L1-L2 356

16.2.6 学习规则:L2-L1 358

16.2.7 ART1算法小结 359

16.2.8 其他ART体系结构 360

16.3 小结 361

16.4 例题 364

16.5 结束语 374

参考文献 375

习题 375

第17章 稳定性 378

17.1 目的 378

17.2 理论和实例 378

17.2.1 递归网络 378

17.2.2 稳定性概念 379

17.2.3 Lyapunov稳定性定理 381

17.2.4 单摆例子 381

17.2.5 LaSalle不变性定理 385

17.3 小结 390

17.4 例题 391

17.5 结束语 396

参考文献 396

习题 397

第18章 Hopfield网络 399

18.1 目的 399

18.2 理论和实例 399

18.2.1 Hopfield模型 400

18.2.2 Lyapunov函数 401

18.2.3 增益效应 406

18.2.4 Hopfield网络设计 409

18.3 小结 413

18.4 例题 415

18.5 结束语 421

参考文献 422

习题 423

第19章 结束语 426

19.1 目的 426

19.2 理论和实例 426

19.2.1 前馈和联想网络 426

19.2.2 竞争网络 429

19.2.3 动态联想存储器网络 429

19.2.4 神经网络的经典基础 430

19.2.5 参考书目和杂志 431

19.3 结束语 432

参考文献 432

附录A 文献目录 439

附录B 符号 447

附录C 软件 452

索引 456