中文名: 神經網絡設計
原名: Neural Network Design
作者: Martin T.Hagan Howard B.Demuth Mark H.Beale
譯者: 戴葵
圖書分類: 網絡
資源格式: PDF
版本: 掃描版
出版社: 機械工業出版社
書號: 978-7-111-07585-1
發行時間: 2002年09月
地區: 大陸
語言: 簡體中文
簡介:



內容簡介：
本書主要講述神經網絡的基本概念，介紹實用的網絡模型、學習規則和訓練方法。全書分19章，內容涵蓋神經元模型和網絡結構、感知機學習規則、有監督的Hebb學習、Widrow—Hoff學習算法、反向傳播算法及其變形、聯想學習、競爭網絡、Grossberg網絡、自適應諧振理論和Hopfield網絡。書中注重對數學分析方法和性能優化的討論，強調神經網絡在模式識別、信號處理以及控制系統等實際工程問題中的應用。同時本書包含大量例題、習題，並配有基於MATLAB軟件包的“神經網絡設計演示”程序。本書可以作為大學高年級本科生或一年級研究生的神經網絡課程教材，也可供從事相關研究工作的科技人員參考。
內容截圖：

目錄:


出版者的話
專家委員會
譯者序
前言
第1章 緒論
1.1 目的
1.2 歷史
1.3 應用
1.4 生物學的啟示
參考文獻
第2章 神經元模型和網絡結構
2.1 目的
2.1 理論和實例
2.2.1 符號
2.2.2 神經元模型
2.2.3 網絡結構
2.3 小結
2.4 例題
2.5 結束語
習題
第3章 一個說明性實例
3.1 目的
3.2 理論和實例
3.2.1 問題描述
3.2.2 感知機
3.2.3 Hamming網絡
3.2.4 Hopfield網絡
3.3 結束語
習題
第4章 感知機學習規則
4.1 目的
4.2 理論和實例
4.2.1 學習規則
4.2.2 感知機的結構
4.2.3 感知機學習規則
4.2.4 收斂性證明
4.3 小結
4.4 例題
4.5 結束語
參考文獻
習題
第5章 信號和權值向量空間
5.1 目的
5.2 理論和實例
5.2.1 線性向量空間
5.2.2 線性無關
5.2.3 生成空間
5.2.4 內積
5.2.5 范數
5.2.6 正交性
5.2.7 向量展開式
5.3 小結
5.4 例題
5.5 結束語
參考文獻
習題
第6章 神經網絡中的線性變換
6.1 目的
6.2 理論和實例
6.2.1 線性變換
6.2.2 矩陣表示
6.2.3 基變換
6.2.4 特征值和特征向量
6.3 小結
6.4 例題
6.5 結束語
參考文獻
習題
第7章 有監督的Hebb學習
第8章 性能曲面和最優點
第9章 性能優化
第10章 Widrow-Hoff學習算法
第11章 反向傳播
第12章 反向傳播算法的變形
第13章 聯想學習
第14章 競爭網絡
第15章 Grossberg網絡
第16章 自適應諧振理論
第17章 穩定性
第18章 Hopfield網絡
第19章 結束語
附錄A 文獻目錄
附錄B 符號
附錄C 軟件
索引