正版图书,可开发票,请放心购买。
¥ 59.81 6.7折 ¥ 89 全新
库存10件
作者姚舜才,李大威编著
出版社清华大学出版社
ISBN9787302591085
出版时间2022-05
装帧其他
开本16开
定价89元
货号11624447
上书时间2024-10-22
姚舜才中北大学副教授,硕士生导师,美国密歇根科技大学访问学者。目前主要研究神经网络及深度学习在系统数据建模中的应用。多次获得山西省中青年教师教学基本功竞赛奖励,并被评为山西省普通高校师德师风建设先进个人;多次获得山西省高等学校科技进步奖;发表50余篇学术及教学论文,其中EI收录10篇;作为负责人及主要完成人承担多项国家和山西省自然科学基金以及国际合作基金项目;出版教材3部,申请专利3项。
李大威中北大学副教授,硕士生导师。主要研究方向包括模式识别、机器学习等。先后主持或者参与国家自然科学基金项目、山西省自然科学基金项目、横向科研项目10余项,发表SCI/EI论文6篇,参编教材1部,授权发明专利3项。
第一部分 神经网络基础及MATLAB
绪论
第1章神经网络概述
第2章MATLAB基本知识及神经网络工具箱简介
2.1MATLAB基本知识.
2.2 MATLAB神经网络工具箱
2.2.1基于代码的MATLAB神经网络工具箱的应用
2.2.2基于图形界面的MATLAB神经网络工具箱的应用
2.2.3 MATLAB/Simulink中神经网络相关模块的应用
2.2.4MATLAB菜单栏中神经网络相关模块的应用
第二部分经典神经网络
第3章感知机
3.1感知机的基本结构与算法基础
3.1.1单层感知机的基本结构
3.1.2多层感知机的基本结构与算法基础
3.2感知机的MATLAB实现
3.2.1单层感知机的MATLAB仿真实现
3.2.2多层感知机的MATLAB仿真实现
第4章线性神经网络
4.1线性神经网络的基本结构与算法基础
4.1.1线性神经网络基本结构及学习算法
4.1.2最小均方差算法中关于学习率y的讨论
4.1.3线性神经网络的训练
4.2线性神经网络的MATLAB实现
4.2.1线性神经网络在分类问题中的应用
4.2.2线性神经网络在拟合(回归)问题中的应用
4.2.3线性神经网络在信号处理中的应用
4.3关于线性神经网络的几点讨论
第5章BP神经网络
5.1 BP神经网络的基本结构与算法基础
5.1.1 BP神经网络基本结构及学习算法
5.1.2BP神经网络的构建
5.1.3BP神经网络算法问题的改进讨论
5. 2BP神经网络的MATLAB实现
5.2.1BP神经网络在分类问题中的应用
5.2.2BP神经网络在拟合(回归)问题中的应用
5.2.3BP神经网络在信号处理中的应用
5.3关于BP神经网络的几点讨论
第6章径向基神经网络
6.1径向基神经网络的基本结构与算法基础
6.1.1径向基神经网络基本结构及学习算法
6.1.2径向基神经网络在拟合问题中的应用分析
6.1.3径向基神经网络在分类问题中的应用分析
6.2 径向基神经网络的MATLAB实现
6.2.1径向基神经网络在拟合(回归)问题中的应用
6.2.2径向基神经网络在分类问题中的应用
6.2.3径向基神经网络在数据预测中的应用
6.3关于径向基神经网络的几点讨论
第7章Hopfield 神经网络
7.1Hopfield神经网络的基本结构与算法基础
7.1.1离散型Hopfield神经网络
7.1.2连续型Hopfield神经网络
7.1.3 Hopfield神经网络的几个问题
7.2 Hopfield神经网络的MATLAB实现
7.3关于Hopfield神经网络的几点讨论
第8章 SOM神经网络
8.1SOM神经网络的基本结构与算法基础
8.1.1SOM神经网络的运行原理
8.1.2SOM神经网络基本结构及学习算法
8.1.3SOM神经网络的训练
8.1.4SOM神经网络的设计
8.2 SOM神经网络的MATLAB实现
8.2.1二维SOM神经网络识别分类
8.2.2SOM神经网络在故障诊断中的应用
8.2.3SOM神经网络的工具箱实现
8.3关于SOM神经网络的几点讨论
第9章 概率神经网络
9.1概率神经网络的基本结构与算法基础
9.1.1概率神经网络的理论基础
9.1.2概率神经网络的结构模型
9.1.3概率神经网络的训练…”
9.1.4概率神经网络模式分类学习算法
9.2概率神经网络的MATLAB实现
9.2.1基于PNN的鸢尾花分类
9.2.2变压器故障诊断
9.2.3概率神经网络的工具箱实现
9.2.4 PNN中参数spread对分类的影响
第三部分深度学习神经网络
第10章深度信念网络
10.1玻耳兹曼机基本结构及学习
10.1.1玻耳兹曼机的基本结构
10.1.2玻耳兹曼机的训练方法
10.2深度信念网络的基本结构
10.3深度信念网络的MATLAB实现
10.3.1数据集
10.3.2DeeBNet工具箱实现
10.3.3MATLAB2019深度学习工具箱的实现案例
第11章自编码器
11.1自编码器的基本结构与算法基础
11.1.1自编码器的基本结构
11.1.2自编码器的学习算法
11.2自编码器的MATLAB实现
11.2.1堆栈自编码器的实现案例1
11.2.2降噪堆栈自编码的实现
11.2.3堆栈自编码器的实现案例2
第12章卷积神经网络
12.1卷积神经网络的基本结构与算法基础
12.1.1卷积神经网络的特点
12.1.2卷积神经网络的训练
12.1.3常见的卷积神经网络结构
12.2卷积神经网络的实现
12.2.1卷积神经网络的实现1
12.2.2卷积神经网络的实现2
12.2.3MATLAB2019b深度学习工具箱
12.2.4MATLAB2019b深层网络设计器的实现
第13章生成对抗网络(GAN)
13.1GAN的起源与发展
13.1.1GAN的起源
13.1.2GAN的发展
13.1.3GAN的特点
13.2GAN的结构与原理
13.2.1GAN的基本结构
13.2.2GAN的训练过程
13.2.3GAN的改进模型
13.2.4GAN的应用
13.3GAN的MATLAB实现
13.3.1GAN的MATLAB实现1
13.3.2GAN的MATLAB实现2
13.3.3GAN的MATLAB实现3
第14章循环神经网络
14.1循环神经网络的结构与算法基础
14.1.1普通的循环神经网络的结构和算法
14.1.2长短时记忆网络的结构和算法
14.2 LSTM网络的MATLAB实现
14.2.1LSTM网络语音序列数据分类
14.2.2LSTM网络时序数据预测
参考文献
本书是一部讲述基于MATLAB仿真实现经典神经网络及深度学习的入门及参考书籍(含纸质图书、电子书、源代码)。全书共分为两篇:第一篇经典神经网络(第1章-第9章),介绍了经典神经网络的基本原理,结构以及MATLAB的仿真实现。这些经典神经网络包括感知机、线性神经网络、BP神经网络、径向基神经网络、Hopfield 神经网络、SOM神经网络、概率神经网络;第二篇主要讲述深度学习的基本内容(第10章-第14章)主要介绍了深度学习神经网络的内容,包括深度信念网络、自编码器、深度卷积神经网络、生成对抗网络、深度循环神经网络。在每章中对各种神经网络的基本结构和运行方式做出了介绍,给出了神经网络的Matlab仿真实现的例程及代码。为便于读者高效学习,掌握神经网络及深度学习的Matlab仿真实现。本书作者提供了书中例程的源代码及相应的数据集。
— 没有更多了 —
以下为对购买帮助不大的评价