掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
神經網絡入門與實戰 版權信息
- ISBN：9787302570288
- 條形碼：9787302570288 ; 978-7-302-57028-8
- 裝幀：70g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
神經網絡入門與實戰 本書特色
本教材將原有的面向碩士研究生和博士研究生的課程內容，通過老師們的詳細解讀，適用于本科生的課堂教學。因此，從理論環節到應用案例，都要親自體驗和根據本科生數學基礎進行調整和詳細解讀，才能讓本科學生接受有深度難度的專業課程。本書注重對數學分析方法和性能優化的討論，強調神經網絡在模式識別、信號處理和控制 系統等實際工程問題中的應用。書中包含大量例題和習題，并配有13個基于MATLAB軟件的計算機實驗程序。本書適于作研究生或大學高年級學生的教材，也可作希望深入學習神經網絡的科技人員的參考書。 本書注重對數學分析方法和性能優化的討論，強調神經網絡在模式識別、信號處理和控制 系統等實際工程問題中的應用。書中包含大量例題和習題。
神經網絡入門與實戰 內容簡介
本書共分8章，系統地介紹了神經網絡盲均衡算法的基本理論及算法形式。首先分析了盲均衡算法的基本原理、均衡準則、評價指標以及與神經網絡的結合機理。其次，系統研究了前饋神經網絡、反饋神經網絡、進化神經網絡、模糊神經網絡和小波神經網絡盲均衡算法的基本原理，推導了算法迭代公式，并進行了計算機仿真。*后采用zigzag編碼和前饋神經網絡實現了二維醫學圖像的盲均衡。
神經網絡入門與實戰 目錄
目錄
第1章概述1
1.1人工神經網絡簡介1
1.1.1人工神經網絡的基本概念1
1.1.2人工神經網絡的發展史2
1.1.3神經網絡的研究內容5
1.2神經網絡的特點5
1.3神經網絡的結構6
1.4人工神經網絡的分類7
1.5人工神經網絡的學習方式9
1.6人工神經網絡的應用9
1.6.1人工神經網絡在全球氣候變化中的應用10
1.6.2人工神經網絡在控制系統中的應用10
1.6.3人工神經網絡在疾病預后研究中的應用11
第2章感知器13
2.1感知器元件14
2.1.1神經元14
2.1.2神經元參數16
2.1.3組合功能16
2.1.4激活功能16
2.1.5輸出功能18
2.1.6結論18
2.2感知器模型19
2.2.1超平面的定義19
2.2.2數據集的線性可分20
2.3感知器學習算法22
2.3.1感知器學習算法的原始形式23
2.3.2感知器學習算法的對偶形式24
2.4感知器的收斂性25
2.5感知器應用舉例25
2.5.1問題描述25
2.5.2添加權重和閾值26
2.5.3建立決策模型26
2.5.4向量化27
2.5.5神經網絡的運作過程28
2.6感知器的局限性29
2.6.1感知器能做什么29
2.6.2感知器不能做什么29
第3章BP神經網絡31
3.1前向傳播37
3.2反向傳播38
第4章支持向量機41
4.1問題提出41
4.2SVM問題42
4.2.1支持向量與樣本間隔42
4.2.2支持向量機形式化描述43
4.3對偶問題43
4.3.1SVM問題的對偶問題43
4.3.2對偶問題再討論44
4.3.3對偶問題求解45
4.4核函數46
4.4.1如何處理非線性可分數據46
4.4.2核函數的提出47
4.4.3幾種常見的核函數48
4.5軟間隔與正則化49
4.5.1如何處理噪聲數據49
4.5.2軟間隔支持向量機49
4.5.3軟間隔支持向量機對偶問題50
4.5.4正則化51
第5章深度學習53
5.1深度神經網絡概述53
5.2深度卷積神經網絡55
5.2.1卷積算子55
5.2.2卷積的特征55
5.3深度卷積神經網絡的典型結構56
5.3.1基本網絡結構56
5.3.2網絡結構模式56
5.4深度卷積神經網絡的層60
5.4.1卷積層60
5.4.2池化層60
5.4.3激活層60
5.5深度卷積神經網絡在圖像識別中的應用61
第6章強化學習63
6.1強化學習概述63
6.2強化學習問題建模——馬爾可夫決策過程64
6.3強化學習算法簡介65
6.3.1基于值函數的策略學習方法65
6.3.2策略搜索算法70
6.4深度強化學習76
6.5小結79
第7章極限學習80
7.1極限學習概述80
7.2極限學習算法80
7.3極限學習的改進82
7.3.1核極限學習82
7.3.2增量型極限學習84
7.3.3深度極限學習85
7.4極限學習的應用87
7.4.1極限學習在圖像分類中的應用88
7.4.2極限學習在入侵檢測中的應用88
7.4.3極限學習在故障識別中的應用91
7.5小結91
第8章TensorFlow機器學習平臺93
8.1TensorFlow起源95
8.2TensorFlow簡介95
8.3TensorFlow的特征96
8.4TensorFlow使用對象、環境及兼容性97
8.5TensorFlow的其他模塊98
8.6安全性101
第9章神經網絡的應用102
9.1基于神經網絡的圖像處理102
9.2基于神經網絡的信號處理109
9.3基于神經網絡的模式識別109
9.4基于神經網絡的機器控制122
參考文獻126
展開全部
神經網絡入門與實戰 作者簡介
張立毅，男，生于1963年2月，1985年畢業于太原工業大學（現太原理工大學）獲工學學士學位，2003年畢業于北京理工大學獲工學博士學位，2008年天津大學通信與信息系統博士后流動站出站。現任天津商業大學研究生部主任兼學科建設辦公室主任、教授，天津大學信息與通信工程一級學科博士研究生導師。先后兼任全國微波毫米波測試專業學會副主任，中國電子學會電路與系統分會委員，山西省通信學會常務理事，山西省通信學會學術委員會副主任，天津市通信學會高校工作委員會理事，中國電子學會高級會員，中國通信學會高級會員。研究方向為信號檢測與處理，智能計算與信息處理。指導碩士研究生畢業86名，博士研究生8名，博士后4名。2009年被評為天津市優秀教師，2011年被評為天津市勞動模范。先后完成鑒定國家自然科學基金、中國博士后基金、國家863子課題等項目20余項，在國內外學術期刊及會議上發表論文200余篇，其中被EI等收錄100余篇次。
書友推薦
- >
名家帶你讀魯迅:故事新編
- >
中國歷史的瞬間
- >
龍榆生：詞曲概論/大家小書
- >
回憶愛瑪儂
- >
我與地壇
- >
伊索寓言-世界文學名著典藏-全譯本
- >
李白與唐代文化
- >
姑媽的寶刀
本類暢銷
