神经网络设计
全新正版 假一赔十 可开发票
￥ 77.04 7.8折 ￥ 99 全新
仅1件
北京东城
认证卖家担保交易快速发货售后保障
作者(美)马丁 T.哈根(Martin T.Hagan) 等 著;章毅 等 译
出版社机械工业出版社
ISBN9787111586746
出版时间2018-01
装帧平装
开本16开
定价99元
货号1201644851
上书时间2025-01-02
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
马丁T.哈根，俄克拉荷马州立大学电子与计算机工程学院教授，MATLAB神经网络工具箱的开发者之一。
目录
译者序
前言
第1章引言1
1.1目标1
1.2历史1
1.3应用3
1.4生物学启示4
1.5扩展阅读5
第2章神经元模型及网络结构8
2.1目标8
2.2理论与例子8
2.2.1记号8
2.2.2神经元模型8
2.2.3网络结构11
2.3小结15
2.4例题17
2.5结束语18
2.6习题18
第3章一个说明性的实例20
3.1目标20
3.2理论与例子20
3.2.1问题描述20
3.2.2感知机21
3.2.3Hamming网络23
3.2.4Hopfield网络26
3.3结束语27
3.4习题28
第4章感知机学习规则31
4.1目标31
4.2理论与例子31
4.2.1学习规则31
4.2.2感知机结构32
4.2.3感知机的学习规则35
4.2.4收敛性证明39
4.3小结41
4.4例题42
4.5结束语48
4.6扩展阅读49
4.7习题49
第5章信号与权值向量空间53
5.1目标53
5.2理论与例子53
5.2.1线性向量空间53
5.2.2线性无关54
5.2.3生成空间55
5.2.4内积56
5.2.5范数56
5.2.6正交性56
5.2.7向量展开式58
5.3小结60
5.4例题61
5.5结束语66
5.6扩展阅读67
5.7习题67
第6章神经网络中的线性变换71
6.1目标71
6.2理论与例子71
6.2.1线性变换71
6.2.2矩阵表示72
6.2.3基变换74
6.2.4特征值与特征向量76
6.3小结79
6.4例题79
6.5结束语85
6.6扩展阅读85
6.7习题86
第7章有监督的Hebb学习90
7.1目标90
7.2理论与例子90
7.2.1线性联想器91
7.2.2Hebb规则91
7.2.3伪逆规则93
7.2.4应用95
7.2.5Hebb学习的变形96
7.3小结97
7.4例题98
7.5结束语105
7.6扩展阅读105
7.7习题106
第8章性能曲面和很优点108
8.1目标108
8.2理论与例子108
8.2.1泰勒级数108
8.2.2方向导数110
8.2.3极小点111
8.2.4优化的必要条件113
8.2.5二次函数114
8.3小结119
8.4例题120
8.5结束语127
8.6扩展阅读127
8.7习题128
第9章性能优化131
9.1目标131
9.2理论与例子131
9.2.1最速下降法131
9.2.2牛顿法136
9.2.3共轭梯度法139
9.3小结142
9.4例题142
9.5结束语150
9.6扩展阅读150
9.7习题151
第10章Widrow-Hoff学习153
10.1目标153
10.2理论与例子153
10.2.1ADALINE网络153
10.2.2均方误差154
10.2.3LMS算法156
10.2.4收敛性分析157
10.2.5自适应滤波器159
10.3小结164
10.4例题165
10.5结束语174
10.6扩展阅读174
10.7习题175
第11章反向传播179
11.1目标179
11.2理论与例子179
11.2.1多层感知机179
11.2.2反向传播算法182
11.2.3例子186
11.2.4批量训练和增量训练188
11.2.5使用反向传播188
11.3小结192
11.4例题193
11.5结束语201
11.6扩展阅读201
11.7习题202
第12章反向传播算法的变形210
12.1目标210
12.2理论与例子210
12.2.1反向传播算法的缺点210
12.2.2反向传播算法的启发式改进215
12.2.3数值优化技术218
12.3小结226
12.4例题228
12.5结束语235
12.6扩展阅读236
12.7习题237
第13章泛化241
13.1目标241
13.2理论与例子241
13.2.1问题描述242
13.2.2提升泛化能力的方法243
13.3小结257
13.4例题258
13.5结束语265
13.6扩展阅读265
13.7习题266
第14章动态网络270
14.1目标270
14.2理论与例子270
14.2.1分层数字动态网络271
14.2.2动态学习的基本原则273
14.2.3动态反向传播276
14.3小结288
14.4例题290
14.5结束语296
14.6扩展阅读296
14.7习题297
第15章竞争网络302
15.1目标302
15.2理论与例子302
15.2.1Hamming网络303
15.2.2竞争层304
15.2.3生物学中的竞争层307
15.2.4自组织特征图308
15.2.5学习向量量化310
15.3小结314
15.4例题315
15.5结束语322
15.6扩展阅读322
15.7习题323
第16章径向基网络329
16.1目标329
16.2理论与例子329
16.2.1径向基网络329
16.2.2训练RBF网络333
16.3小结343
16.4例题344
16.5结束语347
16.6扩展阅读347
16.7习题348
第17章实际训练问题352
17.1目标352
17.2理论与例子352
17.2.1训练前的步骤353
17.2.2网络训练359
17.2.3训练结果分析362
17.3结束语368
17.4扩展阅读368
第18章实例研究1:函数逼近370
18.1目标370
18.2理论与例子370
18.2.1智能传感系统描述370
18.2.2数据收集与预处理371
18.2.3网络结构选择372
18.2.4网络训练372
18.2.5验证373
18.2.6数据集374
18.3结束语375
18.4扩展阅读375
第19章实例研究2：概率估计376
19.1目标376
19.2理论与例子376
19.2.1CVD过程描述376
19.2.2数据收集与预处理377
19.2.3网络结构选择378
19.2.4网络训练379
19.2.5验证381
19.2.6数据集382
19.3结束语382
19.4扩展阅读383
第20章实例研究3：模式识别384
20.1目标384
20.2理论与例子384
20.2.1心肌梗死识别问题描述384
20.2.2数据收集与预处理384
20.2.3网络结构选择387
20.2.4网络训练387
20.2.5验证388
20.2.6数据集389
20.3结束语390
20.4扩展阅读390
第21章实例研究4：聚类391
21.1目标391
21.2理论与例子391
21.2.1森林覆盖问题描述391
21.2.2数据收集与预处理392
21.2.3网络结构选择392
21.2.4网络训练393
21.2.5验证394
21.2.6数据集396
21.3结束语396
21.4扩展阅读396
第22章实例研究5：预测398
22.1目标398
22.2理论与例子398
22.2.1磁悬浮系统描述398
22.2.2数据收集与预处理399
22.2.3网络结构选择399
22.2.4网络训练401
22.2.5验证402
22.2.6数据集404
22.3结束语404
22.4扩展阅读405
附录A参考文献406
附录B记号413
附录C软件417
索引420
内容摘要
本书是一本易学易懂的神经网络教材，主要讨论网络结构、学习规则、训练技巧和工程应用，紧紧围绕“设计”这一视角组织材料和展开讲解，强调基本原理和训练方法，概念清晰，数学论述严谨，包含丰富的实例和练习，并配有课件和MATLAB演示程序。本书要求读者具备线性代数、概率论和微分方程的基础知识，可作为高年级本科生或一年级研究生的神经网络导论课程教材，也可供有兴趣的读者自学或参考。
精彩内容
前 言Neural Network Design，Second Edition本书介绍基本的神经网络结构和学习规则，重点阐述网络的数学分析、训练方法，以及网络在非线性回归、模式识别、信号处理、数据挖掘和控制系统等领域实际工程问题中的应用。 我们尽优选努力以清晰和一致的方式安排本书内容，以期本书易懂易用。书中使用了许多例子来解释每个讨论的主题。在书的最后几章，我们提供了一些学习实例，以展示神经网络在实际应用中可能遇到的问题。 由于本书是关于神经网络设计的，因此在内容的选择上依据了两个原则。首先，我们希望提供最有用且实际的神经网络结构、学习规则和训练技巧。其次，我们希望本书能够自成体系，并且章节间的过渡自然流畅。为了实现这个目的，我们将有关应用数学的各种介绍材料和章节放在了需要用到这些材料的特定主题之前。简言之，一些内容的选择是因为它们对神经网络的实际应用有重要作用，而另一些内容的选择则是由于它们对解释神经网络的运行机制有重要意义。 我们省略了许多本可以包含的内容。例如，我们没有把本书写成一个涵盖所有已知神经网络结构和学习规则的目录或纲要，而是集中精力介绍基础概念。其次，我们没有讨论神经网络的实现技术，如VLSI、光学器件和并行计算机等。再有，我们没有提供神经网络的生物学和心理学方面的基础知识。虽然这些内容都是重要的，不过，我们希望重点讨论那些我们认为对神经网络设计最有用的内容，并进行深入阐释。 本书可作为高年级本科生或一年级研究生一个学期的神经网络导论课程教材（也适合短期课程、自学或参考）。读者需要具有一定的线性代数、概率论和微分方程的基础知识。 书中每章按如下方式分节：目标、理论与例子、小结、例题、结束语、扩展阅读和习题。理论与例子是每章的主要部分，包含基本思想的发展以及例子解析。小结部分提供一个方便的列表，包含重要方程和概念，以易于工程参考。每章将大约1/3的篇幅用在例题部分，为所有关键的概念提供详细的例题解析。 下页的框图说明了各章之间的依赖关系。 ～6章涵盖后面所有章节需要的基本概念。第1章是本书的引言，简要介绍神经网络的历史背景和一些生物学基础。第2章描述基本的神经网络结构，这一章引入的记号体系将贯穿全书。第3章给出一个简单的模式识别问题，并展示该问题可以分别由三类不同的神经网络来解决。这三类网络是本书后面的网络类型的代表。此外，这里的模式识别问题也提供了本书解决问题的一般思路。 本书主要专注于训练神经网络完成各种任务的方法。在第4章中，我们介绍学习算法并给出个实际算法：感知机学习规则。感知机网络虽然有其本质的局限性，但却具有重要的历史意义，并且可作为一个有用的工具来引入后面章节中强大神经网络的关键概念。 本书的主要目的之一是阐述神经网络的工作原理。为此，我们将神经网络的内容和一些重要的辅助材料组织在一起。例如，在第5、6章中提供了线性代数的相关材料，这是理解神经网络所需的核心数学知识。这两章讨论的概念将广泛用于本书后面章节。 第7章和第15章阐述主要受生物学和心理学启发的神经网络及其学习规则。它们分为两类：联想网络和竞争网络。联想网络安排在第7章，而竞争网络安排在第15章。 第8～14章以及第16章论述一类称为性能学习的方法，该方法用于训练网络以优化其性能。第8、9章介绍性能学习的基本概念。第10～13章中将这些概念用于逐步强大和复杂的前馈神经网络。第14章将这些概念用于动态神经网络。在第16章中，这些概念则被用于径向基神经网络，这类网络也用到了来自竞争学习的概念。 第17～22章和前面的章节不同。前面的章节主要关注每种网络的基础理论和相应的学习规则，要点是理解核心概念。在第17～22章中，我们讨论神经网络在实际应用中的具体问题。第17章阐述许多实际的训练技巧，第18～22章给出一系列实例研究，这些实例包括将神经网络用于函数逼近、概率估计、模式识别、聚类和预测。 软件MATLAB软件并非是使用本书所必需的，上机练习可以用任何编程语言来完成。另外，本书提供的神经网络设计演示（Neural Network Design Demonstrations）程序虽然有助于理解书中内容，但非关键所在。 不过，我们还是采用MATLAB软件包来提供本书的辅助材料。该软件使用广泛，而且由于它的矩阵/向量表示法和图形化显示，为神经网络实验提供了方便的环境。我们用两种不同的方法使用MATLAB。种，我们为读者准备了一些用MATLAB去完成的练习。神经网络的一些重要特性仅在大型问题中才能体现出来，这需要大量计算，不适合手工演算。利用MATLAB可以快速实现神经网络算法，也可以方便地测试大型问题。（如果没有MATLAB软件，可以使用任何其他编程语言来完成这些练习。）第二种使用MATLAB的方法是利用Neural Network Design Demonstrations软件，你可以从网站hagan.okstate.edu/nnd.html下载它。这些交互式的演示程序解释了每章中的重要概念。把这个软件加载到你计算机的MATLAB目录下之后（或者放在MATLAB路径上），就可在MATLAB提示符下通过输入nnd命令进
— 没有更多了 —
以下为对购买帮助不大的评价