第一篇 人工神经网络基础篇 3
第1章 生物神经网络理论基础 3
1.1生物神经元的结构和功能 3
1.2神经系统的电活动 4
1.3人脑的信息存储 6
1.4人脑与电脑 8
习题 10
参考文献 11
第2章 人工神经网络概述 12
2.1人工神经网络发展历程 12
2.2人工神经网络特点 18
2.3人工神经网络应用 19
习题 23
参考文献 24
第3章 人工神经网络数理基础 25
3.1神经元模型 25
3.2导数 29
3.3微分 30
3.3.1定义 30
3.3.2定理与性质 30
3.4积分 30
3.4.1定义 30
3.4.2定积分定理与性质 31
3.5梯度 31
3.6行列式 32
3.7矩阵 32
3.7.1概念 32
3.7.2矩阵的运算 33
3.7.3矩阵运算性质 33
3.8向量 34
3.8.1定义 34
3.8.2向量的运算和向量内积的准则 34
3.8.3线性表示与线性相关 34
3.9特征值与特征向量 34
3.10随机事件与概率 35
3.11范数 36
3.11.1定义 36
3.11.2向量的范数 36
3.11.3矩阵的范数 36
习题 37
参考文献 37
第二篇 人工神经网络理论篇 41
第4章 感知器 41
4.1概述 41
4.2感知器的结构和原理 42
4.2.1感知器的结构 42
4.2.2感知器的原理 42
4.2.3感知器的学习策略 44
4.3单层感知器 44
4.3.1单层感知器模型 44
4.3.2单层感知器的功能 46
4.3.3单层感知器的学习算法 47
4.3.4单层感知器的局限性 49
4.4多层感知器 50
4.4.1多层感知器的结构和特点 50
4.4.2多层感知器的功能 51
4.4.3多层感知器的学习算法 53
4.5应用案例 54
习题 58
参考文献 59
第5章 BP神经网络 60
5.1概述 60
5.2BP神经网络结构 61
5.3BP神经网络算法 62
5.3.1算法原理 62
5.3.2反向传播实例 66
5.4BP算法的不足与改进 68
5.4.1BP算法的不足 68
5.4.2BP算法的改进 70
5.5应用案例 72
习题 78
参考文献 79
第6章 RBF神经网络 80
6.1概述 80
6.2RBF神经网络结构和原理 81
6.3RBF神经网络算法 82
6.4RBF神经网络的相关问题 84
6.5应用案例 85
习题 87
参考文献 88
第7章 ADALINE神经网络 89
7.1概述 89
7.2ADALINE结构和原理 89
7.2.1单层ADALINE模型 89
7.2.2算法原理 90
7.2.3多层ADALINE模型 92
7.3应用案例 94
习题 98
参考文献 98
第8章 Hopfield神经网络 99
8.1概述 99
8.2离散Hopfield神经网络 99
8.2.1网络结构 99
8.2.2工作方式 100
8.2.3网络的稳定性 101
8.2.4网络算法 102
8.3连续Hopfield神经网络 104
8.3.1网络结构 104
8.3.2网络的稳定性 106
8.4应用案例 106
习题 112
参考文献 112
第9章 深度卷积神经网络 113
9.1概述 113
9.2深度卷积神经网络的结构和原理 113
9.2.1深度卷积神经网络的结构 113
9.2.2深度卷积神经网络的原理 115
9.3几种基本的深度卷积神经网络 116
9.3.1AlexNet 116
9.3.2VGGNet 117
9.3.3ResNet 118
9.4应用案例 119
9.4.1几种深度学习应用框架 119
9.4.2基于AlexNet的图像识别 120
习题 123
参考文献 123
第10章 生成式对抗网络 124
10.1概述 124
10.2生成式对抗网络的结构 125
10.3生成式对抗网络算法 126
10.4改进的生成式对抗网络 128
10.5应用案例 130
习题 133
参考文献 133
第11章 Elman神经网络 134
11.1概述 134
11.2Elman神经网络结构和原理 134
11.3Elman神经网络的学习算法 136
11.4Elman神经网络稳定性分析 137
11.5应用案例 139
习题 143
参考文献 143
第12章 AdaBoost神经网络 144
12.1概述 144
12.2AdaBoost网络结构和算法 144
12.3AdaBoost算法中的影响因素 147
12.3.1AdaBoost算法的训练误差分析 147
12.3.2AdaBoost分类问题中的损失函数 148
12.3.3AdaBoost算法的正则化 149
12.4应用案例 150
习题 155
参考文献 156
第13章 SOFM神经网络 157
13.1概述 157
13.2SOFM神经网络的结构 157
13.3SOFM神经网络的原理和学习算法 158
13.3.1SOFM神经网络的原理 158
13.3.2SOFM神经网络的学习算法 160
13.4应用案例 161
习题 166
参考文献 166
第三篇 人工神经网络实践及应用篇 169
第14章 基于Simulink的人工神经网络建模 169
14.1概述 169
14.2Simulink启动和神经网络模块库 169
14.2.1Simulink的启动 169
14.2.2Simulink神经网络模块库 171
14.3模型的设置和操作 175
14.3.1模块的操作 175
14.3.2信号线的操作 176
14.3.3仿真参数的设置 176
14.3.4常用模块的设置 177
14.4单神经元建模 180
14.5函数逼近的Simulink仿真模型 183
14.5.1参数未改变的模型及仿真 183
14.5.2改变参数的模型及仿真 185
14.6应用案例 189
习题 193
参考文献 193
第15章 基于GUI的人工神经网络设计 194
15.1概述 194
15.2软件架构设计 194
15.3创建工程 195
15.3.1FIG文件编辑器 197
15.3.2M文件编辑器 198
15.4主页面设计 199
15.5交互式参数设置 202
15.6软件主要功能设计 204
15.6.1检测识别 205
15.6.2处理建议 214
15.7辅助功能 217
15.8帮助文件制作 219
习题 221
参考文献 222
附录A GUI对象的常用属性 223
附录B 特殊字符格式说明 226
附录C 软件代码 227