《神经网络导论》PDF下载

  • 购买积分:11 如何计算积分?
  • 作  者:王晓梅编著
  • 出 版 社:北京:科学出版社
  • 出版年份:2017
  • ISBN:9787030511553
  • 页数:300 页
图书介绍:本著作重点介绍人工神经网络(Artificial?Neural?Networks,ANNs),人工神经网络,也简称为神经网络(NNs),ANNs是由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算机系统,该系统靠其状态对外部输入信息的动态响应来处理信息,是模拟生物神经网络进行信息处理的一种数学模型。它以对大脑的生理研究成果为基础,其目的在于模拟大脑的某些机理与机制,实现一些特定的功能,人工神经网络模型主要考虑网络连接的拓扑结构、神经元的特征、学习规则等。目前,已有近40种神经网络模型,其中有反传网络、感知器、自组织映射、Hopfield网络、波耳兹曼机、适应谐振理论等。根据连接的拓扑结构,神经网络模型可以分为:(1)前馈网络和(2)反馈网络两部分。

第1章 绪论 1

1.1 神经网络简介 1

1.1.1 神经网络的概念 2

1.1.2 神经网络的发展 4

1.1.3 神经网络的优点 5

1.1.4 人工神经元模型 7

1.1.5 神经网络的网络结构 14

1.2 微分方程稳定性理论基础 17

1.2.1 微分方程的基本知识 18

1.2.2 微分、积分不等式 19

1.2.3 Lyapunov函数相关定义和定理 21

1.2.4 稳定性的基本定义和定理 27

1.2.5 Lyapunov直接法的基本定理 39

1.2.6 构造Lyapunov函数的基本方法 48

第2章 神经网络基本模型 53

2.1 M-P模型 53

2.1.1 MP模型的概念 53

2.1.2 标准M-P模型 53

2.1.3 时延M-P模型 54

2.1.4 改进的M-P模型 55

2.2 感知器模型 56

2.2.1 问题背景 56

2.2.2 感知器的概念 57

2.2.3 单层感知器神经元模型 58

2.2.4 单层感知器工作原理 58

2.2.5 单层感知器用于模式识别 60

2.2.6 多层感知器神经元 62

2.2.7 感知器的学习规则 64

2.2.8 感知器的局限性 74

2.2.9 本节小结 74

2.3 自适应线性神经元模型 74

2.3.1 线性神经网络模型 75

2.3.2 线性神经网络的学习 76

2.3.3 线性神经网络的MATLAB仿真程序设计 78

2.4 BP神经网络模型 81

2.4.1 BP神经元及BP网络模型 81

2.4.2 BP网络的学习 82

2.4.3 BP网络学习算法 82

2.4.4 理论与实例 85

2.4.5 BP网络的局限性 95

2.4.6 BP网络的MATLAB仿真程序设计 95

2.4.7 BP网络应用实例 97

2.5 径向基函数神经网络模型简介 102

2.5.1 径向基网络模型 102

2.5.2 径向基网络的创建与学习过程 104

2.5.3 其他径向基神经网络 105

2.5.4 径向基网络的MATLAB仿真程序设计 107

第3章 常用神经网络模型及动力学问题 109

3.1 Hopfield神经网络模型及动力学问题 109

3.1.1 无时滞的Hopfield神经网络模型及动力学问题 109

3.1.2 有时滞的Hopfield神经网络模型及动力学问题 115

3.1.3 Hopfield神经网络的k-稳定性分析 121

3.2 细胞神经网络模型及动力学问题 129

3.2.1 无时滞的细胞神经网络的平衡点及稳定性 129

3.2.2 有时滞的细胞神经网络的平衡点及稳定性 141

3.2.3 无时滞细胞神经网络的周期解及稳定性 149

3.2.4 有时滞细胞神经网络的周期解及稳定性 156

3.2.5 广义细胞神经网络简介 162

3.3 BAM神经网络模型及动力学问题 166

3.3.1 无时滞BAM神经网络模型及稳定性 166

3.3.2 具有连续时滞的BAM神经网络模型及稳定性 171

3.3.3 具有连续和离散时滞的混杂BAM神经网络模型及动力学问题 177

第4章 复杂神经网络模型及动力学问题 188

4.1 二阶Hopfield神经网络模型及动力学问题 188

4.1.1 二阶神经网络模型 188

4.1.2 无时滞的二阶Hopfield神经网络的局部稳定性分析 191

4.1.3 无时滞的二阶Hopfield神经网络的全局稳定性分析 199

4.1.4 具有时滞的二阶Hopfield神经网络的稳定性 204

4.2 具有扩散的神经网络模型和动力学问题 208

4.2.1 具有反应扩散的二阶Hopfield神经网络全局渐近稳定性分析 210

4.2.2 具有反应扩散的二阶Hopfield神经网络全局指数稳定性分析及收敛速度的估计 212

4.3 脉冲神经网络系统的动力学问题 218

4.3.1 BAM系统的平衡点的存在性及指数稳定性 218

4.3.2 具有时滞的脉冲二阶Hopfield神经网络模型及动力学问题 230

4.4 随机神经网络模型及动力学问题 235

4.4.1 随机Hopfield神经网络模型及动力学问题 235

4.4.2 随机细胞神经网络模型及动力学问题 246

第5章 神经网络的应用 254

5.1 神经网络应用于模式识别 255

5.1.1 神经网络模式识别的基本知识 255

5.1.2 神经网络在手写体字符识别中的应用 257

5.1.3 基于Hopfield神经网络的遥感图像超分辨率识别算法 259

5.1.4 神经网络的全自动模式识别跟踪系统 265

5.1.5 RBF神经网络应用于股票预测 269

5.2 神经网络在优化计算中的应用 273

5.2.1 连续Hopfield在优化计算中的应用 273

5.2.2 神经网络与其他优化算法的结合 278

5.3 神经网络应用与知识处理 280

5.4 神经网络在医学中的应用 284

参考文献 289

附录 神经网络工具箱函数 293

A.1 工具箱函数索引 293

A.2 工具箱函数详解 297