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
面向MATLAB工具箱的神經網絡理論與應用 版權信息
- ISBN：9787312054884
- 條形碼：9787312054884 ; 978-7-312-05488-4
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
面向MATLAB工具箱的神經網絡理論與應用 內容簡介
本書基于目前國際上通用的MATLAB R2019b環境，結合相應的神經網絡工具箱以及深度學習工具箱，分人工神經網絡與深度神經網絡兩部分闡述（深度）神經網絡的理論與應用。書中所配有的具體例題，均采用MATLAB工具箱進行網絡的設計與應用；采用理論、圖形、算法、程序實現等多種手段，詳細對求解的過程進行解釋，分析或比較網絡的優點及其局限性，來提出解決問題的方法，使讀者更加透徹地了解各種神經網絡的性能及其優缺點，以達到正確、合理和充分應用神經網絡的目的。 本書可作為計算機、電子學、信息、通信以及自動控制等專業的高年級本科生、研究生以及其他專業科技人員學**經網絡或學習MATLAB及其神經網絡工具箱時的教材或參考書。
面向MATLAB工具箱的神經網絡理論與應用 目錄
第4版前言
第3版前言
第2版前言
前言
第1章 緒論
1.1 人工神經網絡概念的提出
1.2 神經細胞以及人工神經元的組成
1.3 人工神經網絡應用領域
1.4 人工神經網絡發展的回顧
1.5 人工神經網絡的基本結構與模型
1.5.1 人工神經元的模型
1.5.2 激活轉移函數
1.5.3 單層神經元網絡模型結構
1.5.4 多層神經網絡
1.5.5 遞歸神經網絡
1.6 用MATLAB計算人工神經網絡輸出
1.7 本章小結
習題
第2章 前向神經網絡
2.1 感知器
2.1.1 感知器的網絡結構
2.1.2 感知器的圖形解釋
2.1.3 感知器的學習規則
2.1.4 網絡的訓練
2.1.5 感知器的局限性
2.1.6 “異或”問題
2.1.7 解決線性可分性限制的辦法
2.1.8 本節小結
2.2 自適應線性元件
2.2.1 自適應線性神經元模型和結構
2.2.2 W-H學習規則
2.2.3 網絡訓練
2.2.4 例題與分析
2.2.5 對比與分析
2.2.6 單步延時線及其自適應濾波器的實現
2.2.7 自適應線性網絡的應用
2.2.8 本節小結
2.3 反向傳播網絡
2.3.1 BP網絡模型與結構
2.3.2 BP學習規則
2.3.3 BP網絡的訓練及其設計過程
2.3.4 BP網絡的設計
2.3.5 限制與不足
2.3.6 反向傳播法的改進方法
2.3.7 基于數值優化方法的網絡訓練算法
2.3.8 數值實例對比
2.3.9 本節小結
習題
第3章 遞歸神經網絡
3.1 各種遞歸神經網絡
3.1.1 全局反饋型遞歸神經網絡
3.1.2 前向遞歸神經網絡
3.1.3 混合型網絡
3.1.4 本節小結
3.2 全局反饋遞歸網絡
3.2.1 霍普菲爾德網絡模型
3.2.2 狀態軌跡
3.2.3 離散型霍普菲爾德網絡
3.2.4 連續型霍普菲爾德網絡
3.2.5 本節小結
3.3 Elman網絡
3.3.1 網絡結構及其輸入輸出關系式
3.3.2 修正網絡權值的學習算法
3.3.3 穩定性推導
3.3.4 對穩定性結論的分析
3.3.5 對角遞歸網絡穩定時學習速率的確定
3.3.6 本節小結
3.4 對角遞歸神經網絡
3.4.1 網絡結構及其輸入輸出關系式
3.4.2 網絡的穩定性分析
3.4.3 進一步的討論
3.4.4 數值實例
3.4.5 本節小結
3.5 局部遞歸神經網絡
3.5.1 PIDNNC的設計
3.5.2 閉環控制系統穩定性分析
3.5.3 實時在線控制策略的設計步驟
3.5.4 數值應用
3.5.5 本節小結
習題
第4章 局部連接神經網絡
第5章 自組織競爭神經網絡
第6章 隨機神經網絡
第7章 面向工具箱的神經網絡實際應用
第8章 深度學習與深度卷積神經網絡結構的設計
第9章 深度神經網絡結構壓縮與優化
第10章 深度神經網絡的深度學習
第11章 深度學習網絡的反向傳播算法
第12章 卷積神經網絡的應用
附錄 程序目錄
參考文獻
第3版前言
第2版前言
前言
第1章 緒論
1.1 人工神經網絡概念的提出
1.2 神經細胞以及人工神經元的組成
1.3 人工神經網絡應用領域
1.4 人工神經網絡發展的回顧
1.5 人工神經網絡的基本結構與模型
1.5.1 人工神經元的模型
1.5.2 激活轉移函數
1.5.3 單層神經元網絡模型結構
1.5.4 多層神經網絡
1.5.5 遞歸神經網絡
1.6 用MATLAB計算人工神經網絡輸出
1.7 本章小結
習題
第2章 前向神經網絡
2.1 感知器
2.1.1 感知器的網絡結構
2.1.2 感知器的圖形解釋
2.1.3 感知器的學習規則
2.1.4 網絡的訓練
2.1.5 感知器的局限性
2.1.6 “異或”問題
2.1.7 解決線性可分性限制的辦法
2.1.8 本節小結
2.2 自適應線性元件
2.2.1 自適應線性神經元模型和結構
2.2.2 W-H學習規則
2.2.3 網絡訓練
2.2.4 例題與分析
2.2.5 對比與分析
2.2.6 單步延時線及其自適應濾波器的實現
2.2.7 自適應線性網絡的應用
2.2.8 本節小結
2.3 反向傳播網絡
2.3.1 BP網絡模型與結構
2.3.2 BP學習規則
2.3.3 BP網絡的訓練及其設計過程
2.3.4 BP網絡的設計
2.3.5 限制與不足
2.3.6 反向傳播法的改進方法
2.3.7 基于數值優化方法的網絡訓練算法
2.3.8 數值實例對比
2.3.9 本節小結
習題
第3章 遞歸神經網絡
3.1 各種遞歸神經網絡
3.1.1 全局反饋型遞歸神經網絡
3.1.2 前向遞歸神經網絡
3.1.3 混合型網絡
3.1.4 本節小結
3.2 全局反饋遞歸網絡
3.2.1 霍普菲爾德網絡模型
3.2.2 狀態軌跡
3.2.3 離散型霍普菲爾德網絡
3.2.4 連續型霍普菲爾德網絡
3.2.5 本節小結
3.3 Elman網絡
3.3.1 網絡結構及其輸入輸出關系式
3.3.2 修正網絡權值的學習算法
3.3.3 穩定性推導
3.3.4 對穩定性結論的分析
3.3.5 對角遞歸網絡穩定時學習速率的確定
3.3.6 本節小結
3.4 對角遞歸神經網絡
3.4.1 網絡結構及其輸入輸出關系式
3.4.2 網絡的穩定性分析
3.4.3 進一步的討論
3.4.4 數值實例
3.4.5 本節小結
3.5 局部遞歸神經網絡
3.5.1 PIDNNC的設計
3.5.2 閉環控制系統穩定性分析
3.5.3 實時在線控制策略的設計步驟
3.5.4 數值應用
3.5.5 本節小結
習題
第4章 局部連接神經網絡
第5章 自組織競爭神經網絡
第6章 隨機神經網絡
第7章 面向工具箱的神經網絡實際應用
第8章 深度學習與深度卷積神經網絡結構的設計
第9章 深度神經網絡結構壓縮與優化
第10章 深度神經網絡的深度學習
第11章 深度學習網絡的反向傳播算法
第12章 卷積神經網絡的應用
附錄 程序目錄
參考文獻
展開全部
書友推薦
- >
姑媽的寶刀
- >
我與地壇
- >
唐代進士錄
- >
中國歷史的瞬間
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
月亮虎
- >
李白與唐代文化
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
