神经网络结构设计的理论与方法

定　价：¥21.00

作　者：	魏海坤编著
出版社：	国防工业出版社
丛编项：
标　签：	神经计算

购买这本书可以去

ISBN：	9787118036794	出版时间：	2005-02-01	包装：	平装
开本：	26cm	页数：	234	字数：

内容简介

　　本书是作者在东南大学多年从事神经网络理论及应用研究教学的基础上编写的神经网络设计研究生课程教材。本书在介绍常用的神经元模型和权值学习算法的基础上，系统全面地介绍了神经网络，尤其是前馈神经网络结构设计的原理和方法。具体内容包括：影响神经网络泛化能力的各种因素，如结构复杂性、样本、初始权值、学习时间、先验知识等；这些因素如何影响神经网络的性能；常用的神经网络结构优化设计方法，包括剪枝算法（权衰减法、灵敏度计算方法、相关性剪枝方法等）、构造算法（级连相关算法、资源分配网络等）、进化方法等；常用的神经网络参数优化设计方法，包括最优停止方法、主动学习方法、样本输入中加噪声、神经网络集成等。这些方法绝大部分是目前国内外广泛使用的最典型的前馈神经网络设计方法。本书介绍了它们的实现原理和仿真例子，并提供大部分算法的MATLAB实现代码。本书适用于自动化、信号处理等学科的工程技术人员、高年级学生、研究生及教师使用。

作者简介

暂缺《神经网络结构设计的理论与方法》作者简介

图书目录

第1章概论
1.1神经网络简介
1.2神经网络研究内容
1.3本书内容
1.4参考资料简介
第2章基本的神经元及其学习规则
2.1神经元模型
2.1.1大脑神经细胞
2.1.2MP模型
2.1.3一般神经元模型
2.2神经元学习算法
2.2.1Hebb学习规则
2.2.2离散感知器学习规则
2.2.3学习规则
2.2.4Widrow-Hoff学习规则
2.3单个神经元解决问题的能力
2.3.1单个神经元的分类能力
2.3.2多个神经元的分类能力
2.4神经网络的拓扑结构
2.4.1前向神经网络
2.4.2反馈神经网络
第3章多层感知器网络
3.1两层感知器网络
3.1.1单神经元用于两分类
3.1.2多输出两层感知器用于多分类
3.2线性阈值单元组成的多层感知器
3.3BP网及BP算法
3.3.1BP网络结构
3.3.2BP学习算法
3.3.3BP算法应用例子
3.3.4BP网和BP算法应用要点
3.3.5BP算法的改进
第4章径向基函数神经网络
4.1RBF网结构和工作原理
4.2RBF网的生理学基础
4.3RBF网的数学基础
4.3.1内插问题
4.3.2正则化网络
4.4RBF网常用的学习算法
4.4.1聚类方法
4.4.2梯度训练方法
4.4.3正交最小二乘(OLS)学习算法
4,5RBF网的学习动态
4.5.1定义
4.5.2主要结论
4.5.3算例
4.5.4RBF网的学习动态与RBF网设计
4.6仿真例子
4.7RBF网的特点及其他问题
第5章Hopfield网络
5.1连续Hopfield网络
5.1.1连续Hopfield网络原理
5.1.2Hopfield网络的稳定性
5.2离散Hopfield网络
5.2.1离散Hopfield网络原理
5.2.2离散Hopfield网络的稳定性
5.3Hopfield网络应用
5.3.1连续Hopfield网络与优化计算
5.3.2离散Hopfield网络与联想存储
5.4应用和仿真实例
5.4.1连续Hopfield网络应用实例：TSP问题
5.4.2离散Hopfield网络仿真：字符存储
第6章自组织特征映射
6.1生物系统中的竞争
6.2SOFM结构
6.3SOFM的学习算法
6.4仿真例子
第7章神经网络的泛化理论
7.1神经网络的泛化理论简介
7.2泛化误差的偏差-标准差分解
7.3结构复杂性和样本复杂性对神经网络泛化能力的影响
7.3.1线性阈值神经网络
7.3.2函数逼近神经网络
7.4正则化方法对泛化能力的影响
7.5神经网络集成对泛化能力的影响
7.6样本输入中加噪声对泛化能力的影响
7.7其他因素对泛化能力的影响
第8章神经网络的参数优化设计
8.1主动学习
8.1.1原理
8.1.2仿真例子：三角形概念学习
8.2在样本输入中添加随机噪声
8.2.1噪声添加方法
8.2.2仿真例子
8.3神经网络集成
8.3.1原理
8.3.2仿真例子：广义异或问题
8.4基于先验知识的泛化方法
8.5最优停止法
8.5.1原理
8.5.2仿真例子：Hermit多项式逼近
第9章神经网络构造方法
9.1神经网络构造方法简介
9.2级连相关算法
9.2.1BP算法收敛速度慢的原区
9.2.2网络结构
9.2.3权值学习算法
9.2.4算法实现
9.2.5算法讨论
9.2.6仿真结果：双螺旋分类问题
9.3资源分配网络
9.3.1RAN网络结构
9.3.2学习算法
9.3.3算法实现
9.3.4RAN的优点与缺点
9.3.5仿真：Hermit多项式在线学习
第10章神经网络剪枝方法
10.1权衰减法
10.1.1权消去法剪枝原理
10.1.2正则化系数丸的动态修改策略
10.1.3试验例子：非线性系统辨识
10.2灵敏度计算方法
10.2.1Skeletonization方法原理
10.2.2仿真例子：非线性系统结构辨识
10.3相关性剪枝方法
10,3.1隐节点之间相关情况分析
10.3.2隐节点合成方法
10.3.3仿真例子
第11章进化神经网络方法
11.1进化神经网络简介
11.2进化优选算法
11.2.1OLS算法设计RBF网的缺点
11.2.2进化优选算法的数学基础
11.2.3进化优选算法(ESA算法)
11.2.4算法的效率分析
11.2.5ESA算法实现
11.2.6仿真例子
第12章混杂神经网络设计
12.1资源优化网络
12.1.1资源优化网络简介
12.1.2RON在线RBF网设计方法
12.1.3仿真研究
12.1.4RON的优缺点
12.2神经网络的结构分解方法
12.2.1神经网络的结构分解方法简介
12.2.2神经网络的结构分解原理
12.2.3基于结构分解的神经网络设计方法
12.2.4应用例子
附录A：用于三分类的BP算法程序
附录B：用于函数逼近的BP算法程序
附录C：基于聚类的RBF网设计算法
附录D：基于梯度法的RBF网设计算法
附录E：基于OLS的RBF网设计算法
附录F：连续Hopfield网络解决TSP的程序
附录G：样本输入加噪声训练程序
附录H：神经网络集成训练程序
附录I：最优停止法训练程序
附录J：级连相关算法
附录K：资源分配网络算法
附录L：权消去法
附录M：Skeletonization方法
附录N：隐节点合成算法
参考文献