神经网络设计

定　价：¥49.00

作　者：	（美）Martin T. Hagan，（美）Howard B.Demuth，（美）Mark H.Beale著；戴葵等译；戴葵译
出版社：	机械工业出版社
丛编项：	国外经典教材
标　签：	暂缺

购买这本书可以去

ISBN：	9787111075851	出版时间：	2005-08-01	包装：	胶版纸
开本：	26cm＋磁盘1片	页数：	463	字数：

内容简介

　　《神经网络设计》主要讲述神经网络的基本概念，介绍实用的网络模型、学习规则和训练方法。全书分19章，内容涵盖神经元模型和网络结构、感知机学习规则、有监督的Hebb学习、Widrow—Hoff学习算法、反向传播算法及其变形、联想学习、竞争网络、Grossberg网络、自适应谐振理论和Hopfield网络。书中注重对数学分析方法和性能优化的讨论，强调神经网络在模式识别、信号处理以及控制系统等实际工程问题中的应用。同时《神经网络设计》包含大量例题、习题，并配有基于MATLAB软件包的“神经网络设计演示”程序。《神经网络设计》可以作为大学高年级本科生或一年级研究生的神经网络课程教材，也可供从事相关研究工作的科技人员参考。

作者简介

暂缺《神经网络设计》作者简介

图书目录

第1章  绪论
1. 1  目的
1. 2  历史
1. 3  应用
1. 4  生物学的启示
参考文献
第2章  神经元模型和网络结构
2. 1  目的
2. 1　理论和实例
2. 2. 1  符号
2. 2. 2　神经元模型
2. 2. 3  网络结构
2. 3  小结
2. 4  例题
2. 5  结束语
习题
第3章  一个说明性实例
3. 1  目的
3. 2　理论和实例
3. 2. 1  问题描述
3. 2. 2  感知机
3. 2. 3  Hamming网络
3. 2. 4  Hopfield网络
3. 3  结束语
习题
第4章  感知机学习规则
4. 1  目的
4. 2  理论和实例
4. 2. 1  学习规则
4. 2. 2  感知机的结构
4. 2. 3  感知机学习规则
4. 2. 4  收敛性证明
4. 3  小结
4. 4  例题
4. 5  结束语
参考文献
习题
第5章  信号和权值向量空间
5. 1  目的
5. 2  理论和实例
5. 2. 1  线性向量空间
5. 2. 2  线性无关
5. 2. 3  生成空间
5. 2. 4  内积
5. 2. 5  范数
5. 2. 6  正交性
5. 2. 7  向量展开式
5. 3  小结
5. 4  例题
5. 5  结束语
参考文献
习题
第6章  神经网络中的线性变换
6. 1  目的
6. 2  理论和实例
6. 2. 1  线性变换
6. 2. 2  矩阵表示
6. 2. 3  基变换
6. 2. 4  特征值和特征向量
6. 3  小结
6. 4  例题
6. 5  结束语
参考文献
习题
第7章  有监督的Hebb学习
7. 1  目的
7. 2  理论和实例
7. 2. 1  线性联想器
7. 2. 2  Hebb规则
7. 2. 3  仿逆规则
7. 2. 4  应用
7. 2. 5  Hebb学习的变形
7. 3  小结
7. 4  例题
7. 5  结束语
参考文献
习题
第8章  性能曲面和最优点
8. 1  目的
8. 2  理论和实例
8. 2. 1  泰勒级数
8. 2. 2  方向导数
8. 2. 3  极小点
8. 2. 4  优化的必要条件
8. 2. 5  二次函数
8. 3  小结
8. 4  例题
8. 5  结束语
参考文献
习题
第9章  性能优化
9. 1  目的
9. 2  理论和实例
9. 2. 1  最速下降法
9. 2. 2  牛顿法
9. 2. 3  共扼梯度法
9. 3  小结
9. 4  例题
9. 5  结束语
参考文献
习题
第10章  Widrow-Hoff学习算法
10. 1  目的
10. 2  理论和实例
10. 2. 1  ADALINE网络
10. 2. 2  均方误差
10. 2. 3  LMS算法
10. 2. 4  收敛性分析
10. 2. 5  自适应滤波
10. 3  小结
10. 4  例题
10. 5  结束语
参考文献
习题
第11章  反向传播
11. 1  目的
11. 2  理论和实例
11. 2. 1  多层感知机
11. 2. 2  反向传播算法
11. 2. 3  例子
11. 2. 4  反向传播
11. 3  小结
11. 4  例题
11. 5  结束语
参考文献
习题
第12章  反向传播算法的变形
12. 1  目的
12. 2  理论和实例
12. 2. 1  BP算法的缺点
12. 2. 2  BP算法的启发式改进
12. 2. 3  数值优化技术
12. 3  小结
12. 4  例题
12. 5  结束语
参考文献
习题
第13章  联想学习
13. 1  目的
13. 2  理论和实例
13. 2. 1  简单联想网络
13. 2. 2  无监督的Hebb规则
13. 2. 3  简单的识别网络
13. 2. 4  instar规则
13. 2. 5  简单回忆网络
13. 2. 6  outstar规则
13. 3  小结
13. 4  例题
13. 5  结束语
参考文献
习题
第14章  竞争网络
14. 1  目的
14. 2  理论和实例
14. 2. 1  Hamming网络
14. 2. 2  竞争层
14. 2. 3  生物学意义上的竞争层
14. 2. 4  自组织特征图
14. 2. 5  学习向量量化
14. 3  小结
14. 4  例题
14. 5  结束语
参考文献
习题
第15章  Grossberg网络
15. 1  目的
15. 2  理论和实例
15. 2. 1  生物学的启发：视觉
15. 2. 2  基本非线性模型
15. 2. 3  两层竞争网络
15. 2. 4  与Kohonen规则的关系
15. 3  小结
15. 4  例题
15. 5  结束语
参考文献
习题
第16章  自适应谐振理论
16. 1  目的
16. 2  理论和实例
16. 2. 1  自适应谐振概述
16. 2. 2  第一层
16. 2. 3  第二层
16. 2. 4  调整子系统
16. 2. 5  学习规则：L1-L2
16. 2. 6  学习规则：L2-L1
16. 2. 7  ART1算法小结
16. 2. 8  其他ART体系结构
16. 3  小结
16. 4  例题
16. 5  结束语
参考文献
习题
第17章  稳定性
17. 1  目的
17. 2  理论和实例
17. 2. 1  递归网络
17. 2. 2  稳定性概念
17. 2. 3  Lyapunov稳定性定理
17. 2. 4  单摆例子
17. 2. 5  LaSdlle不变性定理
17. 3  小结
17. 4  例题
17. 5  结束语
参考文献
习题
第18章  Hopfield网络
18. 1  目的
18. 2  理论和实例
18. 2. 1  Hopfield模型
18. 2. 2  Lyapunov函数
18. 2. 3  增益效应
18. 2. 4  Hopfield网络设计
18. 3  小结
18. 4  例题
18. 5  结束语
参考文献
习题
第19章  结束语
19. 1  目的
19. 2  理论和实例
19. 2. 1  前馈和联想网络
19. 2. 2  竞争网络
19. 2. 3  动态联想存储器网络
19. 2. 4  神经网络的经典基础
19. 2. 5  参考书目和杂志
19. 3  结束语
参考文献
附录A  文献目录
附录B  符号
附录C  软件
索引