BP网络结构优化与模型规范
正版保障 假一赔十 可开发票
￥ 104.94 6.6折 ￥ 159 全新
库存26件
广东广州
认证卖家担保交易快速发货售后保障
作者李祚泳，刘伟，张正健等著
出版社科学出版社
ISBN9787030784377
出版时间2024-05
装帧精装
开本16开
定价159元
货号16295829
上书时间2024-09-30
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章绪论1
1.1神经网络发展简介1
1.2神经网络模型的分类4
1.3神经网络模型的应用4
1.4本书的主要内容5
参考文献5
第2章BP网络简介8
2.1BP网络模型的基本思想8
2.2BP网络算法的学习过程8
2.3BP网络的主要能力10
2.4BP算法的局限性10
2.5BP算法的改进11
2.6BP网络的结构设计方法14
2.7BP算法若干注意事项15
参考文献16
第3章提高BP算法学习效率的方法18
3.1基于改进粒子群算法的BP网络权值优化算法18
3.1.1粒子群算法18
……
内容摘要
本书针对BP网络存在学习效率低、泛化能力差、易出现过拟合和网络结构设计（主要指隐节点数选择）的理论依据不足等基本问题，在分析BP网络结构和样本集的复杂性对BP网络泛化能力影响的基础上，提出用"广义"复相关系数Rn新概念定量描述包括样本数量和样本质量在内的样本集的复杂性；建立用含参数的检测误差E2表示BP网络泛化能力的定量关系表达式；导出了具有很好泛化能力的BP网络隐节点数H0与样本集的"广义"复相关系数Rn之间满足的H0-Rn反比关系式。受信息论中传递的优选平均信息量S满足一般测不准关系式的启示，建立当BP网络出现过拟合时，泛化能力与学习能力之间满足的几种形式的不确定关系式，并由此不确定关系式指出为改进BP网络泛化能力的训练很好停止方法。
精彩内容
本书针对BP网络存在的某些基本问题，提出用新概念广义复相关系数Rn定量描述样本集的复杂性；建立含参数的BP网络检测误差E2的定量关系表达式；导出具有很好泛化能力的BP网络隐节点数H0与样本集的Rn之间满足的关系式；给出BP网络泛化能力与学习能力之间满足的几种形式的过拟合不确定关系式；指出改进BP网络泛化能力的很好停止训练法。同时，还提出基于规范变换的前向神经网络普适评价模型和与相似样本误差修正法相结合的普适预测模型，并对模型的普适性和可靠性及同型规范变换的预测模型之间的兼容性和等效性进行数学论证。本书中规范变换的思想及方法对其他学科、领域的研究有借鉴和启迪作用。
本书可供人工智能、神经网络、电子工程、信息科学、计算机科学、系统工程及环境科学与工程等学科、专业博士、硕士研究生阅读，亦可供高校教师和科研院所的科研及管理人员参考。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价