中圖網(wǎng)小程序
一鍵登錄
更方便
前饋神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 版權(quán)信息
- ISBN：9787030371744
- 條形碼：9787030371744 ; 978-7-03-037174-4
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
前饋神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 本書特色
《前饋神經(jīng)網(wǎng)絡(luò)及其應(yīng)用》編著者邢紅杰、哈明虎。 本書主要介紹作者已公開發(fā)表和尚未發(fā)表的研究工作，全書共7章，其內(nèi)容安 排如下：第1章為緒論，第2章為有監(jiān)督學(xué)習(xí)前饋神經(jīng)網(wǎng)絡(luò)，第3章為無監(jiān)督學(xué)習(xí) 前饋神經(jīng)網(wǎng)絡(luò)，第4章為前饋神經(jīng)網(wǎng)絡(luò)的模型選擇，第5章為單個(gè)前饋神經(jīng)網(wǎng)絡(luò)， 第6章為混合前饋神經(jīng)網(wǎng)絡(luò)，第7章為前饋神經(jīng)網(wǎng)絡(luò)的應(yīng)用。
前饋神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 內(nèi)容簡介
《前饋神經(jīng)網(wǎng)絡(luò)及其應(yīng)用》編著者邢紅杰、哈明虎。 《前饋神經(jīng)網(wǎng)絡(luò)及其應(yīng)用》較系統(tǒng)地介紹了前饋神經(jīng)網(wǎng)絡(luò)的理論與應(yīng)用．本書共7章，主要內(nèi)容包括前饋神經(jīng)網(wǎng)絡(luò)的模型選擇、單個(gè)前饋神經(jīng)網(wǎng)絡(luò)、混合前饋神經(jīng)網(wǎng)絡(luò)和前饋神經(jīng)網(wǎng)絡(luò)的應(yīng)用． 本書可作為應(yīng)用數(shù)學(xué)、計(jì)算機(jī)科學(xué)與技術(shù)、信息與通信工程、電氣工程、控制科學(xué)與技術(shù)等專業(yè)高年級本科生、研究生的教材或教學(xué)參考書，也可供相關(guān)領(lǐng)域的科研人員和工程技術(shù)人員閱讀參考．
前饋神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 目錄
前言
符號說明
第1章 緒論
1.1 有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)
1.1.1 有監(jiān)督學(xué)習(xí)
1.1.2 無監(jiān)督學(xué)習(xí)
1.2 神經(jīng)網(wǎng)絡(luò)的分類
1.2.1 前饋神經(jīng)網(wǎng)絡(luò)
1.2.2 反饋神經(jīng)網(wǎng)絡(luò)
1.3 前饋神經(jīng)網(wǎng)絡(luò)的模型選擇與混合策略
1.3.1 前饋神經(jīng)網(wǎng)絡(luò)的模型選擇
1.3.2 前饋神經(jīng)網(wǎng)絡(luò)的混合策略
參考文獻(xiàn)
第2章 有監(jiān)督學(xué)習(xí)前饋神經(jīng)網(wǎng)絡(luò)
2.1 多層感知器神經(jīng)網(wǎng)絡(luò)
2.1.1 網(wǎng)絡(luò)結(jié)構(gòu)
2.1.2 學(xué)習(xí)算法
2.1.3 逼近理論
2.2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
2.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
2.2.2 學(xué)習(xí)算法
2.2.3 逼近理論
2.3 切比雪夫神經(jīng)網(wǎng)絡(luò)
2.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
2.3.2 學(xué)習(xí)算法
2.3.3 逼近理論
2.4 支持向量機(jī)
2.4.1 網(wǎng)絡(luò)結(jié)構(gòu)
2.4.2 學(xué)習(xí)算法
5.2.1 橢球基函數(shù)神經(jīng)網(wǎng)絡(luò)
5.2.2 橢球基函數(shù)神經(jīng)網(wǎng)絡(luò)的混合學(xué)習(xí)策略
5.2.3 數(shù)值實(shí)驗(yàn)
5.3 基于互信息的特征加權(quán)支持向量機(jī)
5.3.1 基于互信息的特征權(quán)重估計(jì)
2.4.3 逼近理論
參考文獻(xiàn)
第3章 無監(jiān)督學(xué)習(xí)前饋神經(jīng)網(wǎng)絡(luò)
3.1 自組織映射神經(jīng)網(wǎng)絡(luò)
3.1.1 網(wǎng)絡(luò)結(jié)構(gòu)
3.1.2 學(xué)習(xí)算法
3.1.3 核自組織映射神經(jīng)網(wǎng)絡(luò)
3.2 神經(jīng)氣網(wǎng)絡(luò)
3.2.1 學(xué)習(xí)算法
3.2.2 核神經(jīng)氣網(wǎng)絡(luò)
3.2.3 生長型神經(jīng)氣網(wǎng)絡(luò)
3.3 主成分分析及其改進(jìn)方法
3.3.1 主成分分析
3.3.2 核主成分分析
3.3.3 二維主成分分析
參考文獻(xiàn)
第4章 前饋神經(jīng)網(wǎng)絡(luò)的模型選擇
4.1 基于假設(shè)檢驗(yàn)的方法
4.1.1 wald-檢驗(yàn)
4.1.2 lm-檢驗(yàn)
4.2 基于信息準(zhǔn)則的方法
4.2.1 aic準(zhǔn)則和bic準(zhǔn)則
4.2.2 *小描述長度和交叉驗(yàn)證
4.3 基于敏感度分析的方法
4.3.1 基于偏導(dǎo)數(shù)的敏感度分析方法
4.3.2 基于隨機(jī)分析的敏感度分析方法
4.4 基于互信息的方法
4.4.1 互信息及其估計(jì)
4.4.2 基于互信息的多層感知器兩階段構(gòu)造方法
參考文獻(xiàn)
第5章 單個(gè)前饋神經(jīng)網(wǎng)絡(luò)
5.1 基于正則化相關(guān)熵的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法
5.1.1 正則化相關(guān)熵準(zhǔn)則
5.1.2 數(shù)值實(shí)驗(yàn)
5.2 橢球基函數(shù)神經(jīng)網(wǎng)絡(luò)的混合學(xué)習(xí)方法
5.3.2 特征加權(quán)支持向量機(jī)
5.3.3 數(shù)值實(shí)驗(yàn)
參考文獻(xiàn)
第6章 混合前饋神經(jīng)網(wǎng)絡(luò)
6.1高斯、sigmoid、切比雪夫混合前饋神經(jīng)網(wǎng)絡(luò)
6.1.1 gauss.sigmoid神經(jīng)網(wǎng)絡(luò)
6.1.2 高斯一切比雪夫神經(jīng)網(wǎng)絡(luò)
6.1.3 數(shù)值實(shí)驗(yàn)
6.2 基于自適應(yīng)模糊c均值的混合專家模型
6.2.1基于p：bmf.index的模糊c均值聚類算法
6.2.2 結(jié)構(gòu)描述和實(shí)現(xiàn)方法
6.2.3 數(shù)值實(shí)驗(yàn)
參考文獻(xiàn)
第7章 前饋神經(jīng)網(wǎng)絡(luò)的應(yīng)用
7.1 前饋神經(jīng)網(wǎng)絡(luò)在人臉識別中的應(yīng)用
7.2 前饋神經(jīng)網(wǎng)絡(luò)在非線性時(shí)間序列預(yù)測中的應(yīng)用
7.3 前饋神經(jīng)網(wǎng)絡(luò)在圖像分割中的應(yīng)用
7.4 前饋神經(jīng)網(wǎng)絡(luò)在異常檢測中的應(yīng)用
參考文獻(xiàn)
附錄 部分前饋神經(jīng)網(wǎng)絡(luò)的matlab源代碼
附錄1 基本模型
附錄2 模型選擇
附錄3 改進(jìn)模型
索引
展開全部
書友推薦
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
有舍有得是人生
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
龍榆生：詞曲概論/大家小書
- >
苦雨齋序跋文-周作人自編集
- >
月亮虎
- >
上帝之肋:男人的真實(shí)旅程
- >
煙與鏡
本類暢銷
