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
神經網絡設計方法與實例分析 版權信息
- ISBN：9787563521029
- 條形碼：9787563521029 ; 978-7-5635-2102-9
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
神經網絡設計方法與實例分析 本書特色
《神經網絡設計方法與實例分析》：智能科學與技術本科專業系列教材
神經網絡設計方法與實例分析 內容簡介
本書從神經網絡設計和應用實踐出發，介紹了10種常見的人工神經網絡的基本原理、設計方法，并從各個應用領域精選了豐富的典型應用實例進行剖析，旨在使讀者對各類常用的人工神經網絡的基本原理和學習算法進一步加深理解，熟悉其主要功能，掌握其設計方法，了解其主要應用，為設計各類神經網絡和解決實際問題打下基礎。主要內容包括神經網絡模型評估與選擇；10種典型網絡的設計與應用，包括bp網絡、rbf網絡、sofm網絡、lvq網絡、cpn網絡、art網鉻、hopfield網絡、時序遞歸網絡、cmac網絡、svm網絡；*后介紹了人工神經元網絡設計開發平臺。
《神經網絡設計方法與實例分析》可作為具有一定人工神經網絡理論基礎的科技工作者解決實際問題時的設計參考書，也可作為相關專業研究生及本科專業高年級學生的參考教材。
神經網絡設計方法與實例分析 目錄
第1章 神經網絡模型評估及選擇
1.1 神經網絡的泛化能力
1.2 神經網絡預測模型的一般描述
1.3 研究神經網絡泛化能力的理論基礎
1.3.1 經驗風險*小化原則
1.3.2 結構風險*小化原則
1.3.3 偏差一方差分解
1.4 影響神經網絡的泛化能力的具體因素
1.4.1 神經網絡具有泛化能力的基本必要條件
1.4.2 噪聲的影響
1.4.3 “欠擬合”和“過擬合”
1.5 提高神經網絡的泛化能力的方法
1.5.1 模型結構選擇
1.5.2 訓練集擴展方法
1.5.3 提前停止
1.5.4 權值衰減
1.5.5 貝葉斯學習
1.5.6 神經網絡集成
1.6 神經網絡模型的評估與選擇
1.6.1 神經網絡模型的評估
1.6.2 神經網絡模型的選擇
本章參考文獻
第2章 基于bp算法的多層感知器的設計與應用
2.1 基于bp算法的多層感知器網絡工作原理與主要特點
2.1.1 基于bp算法的多層前饋網絡模型
2.1.2 bp學習算法
2.1.3 bp算法的程序實現
2.1.4 標準bp算法的改進
2.2 基于bp算法的多層前饋網絡設計基礎
2.2.1 網絡信息容量與訓練樣本數
2.2.2 訓練樣本集的準備
2.2.3 初始權值的設計
2.2.4 多層前饋網結構設計
2.2.5 網絡訓練與測試
2.3 基于bp算法的多層前饋網絡應用與設計實例
2.3.1 基于bp算法的多層前饋網絡在催化劑配方建模中的應用
2.3.2 基于bp算法的多層前饋網絡在城市年用水量預測中的應用
2.3.3 基于bp算法的多層前饋網絡在煤與瓦斯突出預測中的應用
2.3.4 基于bp算法的多層前饋網絡在磨煤機料位監測中的應用
2.3.5 基于bp算法的多層前饋網絡在道路安全評價中的應用
2.3.6 基于bp算法的多層前饋網絡在項目投資風險評價中的應用
2.3.7 基于bp算法的多層前饋網絡在大氣環境質量評價中的應用
2.3.8 基于bp網絡集成的除草劑定量構效關系模型
2.3.9 基于bp網絡集成的物流中心選址模型
本章參考文獻
第3章 徑向基函數神經網絡的設計與應用
3.1 徑向基函數網絡原理與學習算法
3.1.1 正則化rbf網絡原理與學習算法
3.1.2 廣義rbf網絡原理與學習算法
3.2 rbf網絡的設計要點
3.2.1 隨機選取rbf中心
3.2.2 自組織學習選取rbf中心及網絡設計
3.2.3 有監督學習選取rbf中心及網絡設計
3.2.4 正交*小二乘（0ls）法選取rbf中心及網絡設計
3.2.5 遞歸*小二乘（ols）法選取rbf中心及網絡設計
3.2.6 其他方法
3.2.7 rbf網絡與多層感知器的特點與設計比較
3.3 rbf網絡的應用實例
3.3.1 rbf網絡在液化氣銷售量預測中的應用
3.3.2 rbf網絡在地表水質評價中的應用
3.3.3 rbf網絡在汽油干點軟測量中的應用
3.3.4 rbf網絡在地下溫度預測中的應用
3.3.5 rbf網絡在工程車輛自動變速控制中的應用
3.3.6 rbf網絡在人臉年齡估計中的應用
3.3.7 rbf網絡在專利發展趨勢預測中的應用
3.3.8 rbf網絡在圖像融合中的應用
3.3.9 rbf網絡紅外光譜法用于中藥大黃樣品的真偽分類
3.3.10 rbf網絡在船用柴油機智能診斷中的應用
3.3.11 rbf網絡在多級入侵檢測中的應用
本章參考文獻
第4章 sofm網絡設計與應用
4.1 sofm網絡原理與學習算法
4.2 sofm網絡的設計基礎
4.2.1 輸出層設計
4.2.2 權值初始化問題
4.2.3 優勝鄰域nj*·（t）的設計
4.2.4 學習率n（t）的設計
4.3 應用與設計實例
4.3.1 sofm網絡用于皮革外觀效果分類
4.3.2 sofm網絡用于物流中心城市分類評價
4.3.3 sofm網絡用于遙感影像分類
4.3.4 sofm網絡用于火焰燃燒診斷
4.3.5 sofm網絡在防火樹種分類中的應用
4.3.6 sofm在基于漢字與部件聚類的漢字認知建模中的應用
4.3.7 sofm網絡在膨脹土分類中的應用
4.3.8 sofm網絡在水電廠技術供水系統故障診斷中的應用
4.3.9 sofm網絡在不同地區人力資本構成分析中的應用
本章參考文獻
第5章 lvq網絡設計與應用
5.1 lvq網絡原理與學習算法
5.1.1 lvq網絡工作原理
5.1.2 lvq網絡的學習算法
5.2 lvq網絡設計要點
5.2.1 競爭層設計
5.2.2 權值初始化問題
5.2.3 學習率n（t）的設計
5.3 應用與設計實例
5.3.1 lvq網絡在證券投資基金分類中的應用
5.3.2 lvq網絡在探地雷達探雷中的應用
5.3.3 lvq網絡在蘋果等級判別中的應用
5.3.4 vq網絡在胃癌組織樣品分類識別中的應用
5.3.5 lvq網絡在液壓系統故障診斷中的應用
5.3.6 lvq網絡在汽車信貸客戶分類中的應用研究
5.3.7 lvq網絡在土地利用／覆蓋變化探測中的應用
5.3.8 lvq網絡在周期信號識別方面的擴展應用
本章參考文獻
第6章 對偶傳播神經網絡
第7章 art網絡設計及應用
第8章 hopfield網絡的設計與應用
第9章 時序遞歸網絡的設計與應用
第10章 cmac網絡的設計與應用
第11章 支持向量機的設計與應用
第12章 人工神經元網絡設計開發平臺
1.1 神經網絡的泛化能力
1.2 神經網絡預測模型的一般描述
1.3 研究神經網絡泛化能力的理論基礎
1.3.1 經驗風險*小化原則
1.3.2 結構風險*小化原則
1.3.3 偏差一方差分解
1.4 影響神經網絡的泛化能力的具體因素
1.4.1 神經網絡具有泛化能力的基本必要條件
1.4.2 噪聲的影響
1.4.3 “欠擬合”和“過擬合”
1.5 提高神經網絡的泛化能力的方法
1.5.1 模型結構選擇
1.5.2 訓練集擴展方法
1.5.3 提前停止
1.5.4 權值衰減
1.5.5 貝葉斯學習
1.5.6 神經網絡集成
1.6 神經網絡模型的評估與選擇
1.6.1 神經網絡模型的評估
1.6.2 神經網絡模型的選擇
本章參考文獻
第2章 基于bp算法的多層感知器的設計與應用
2.1 基于bp算法的多層感知器網絡工作原理與主要特點
2.1.1 基于bp算法的多層前饋網絡模型
2.1.2 bp學習算法
2.1.3 bp算法的程序實現
2.1.4 標準bp算法的改進
2.2 基于bp算法的多層前饋網絡設計基礎
2.2.1 網絡信息容量與訓練樣本數
2.2.2 訓練樣本集的準備
2.2.3 初始權值的設計
2.2.4 多層前饋網結構設計
2.2.5 網絡訓練與測試
2.3 基于bp算法的多層前饋網絡應用與設計實例
2.3.1 基于bp算法的多層前饋網絡在催化劑配方建模中的應用
2.3.2 基于bp算法的多層前饋網絡在城市年用水量預測中的應用
2.3.3 基于bp算法的多層前饋網絡在煤與瓦斯突出預測中的應用
2.3.4 基于bp算法的多層前饋網絡在磨煤機料位監測中的應用
2.3.5 基于bp算法的多層前饋網絡在道路安全評價中的應用
2.3.6 基于bp算法的多層前饋網絡在項目投資風險評價中的應用
2.3.7 基于bp算法的多層前饋網絡在大氣環境質量評價中的應用
2.3.8 基于bp網絡集成的除草劑定量構效關系模型
2.3.9 基于bp網絡集成的物流中心選址模型
本章參考文獻
第3章 徑向基函數神經網絡的設計與應用
3.1 徑向基函數網絡原理與學習算法
3.1.1 正則化rbf網絡原理與學習算法
3.1.2 廣義rbf網絡原理與學習算法
3.2 rbf網絡的設計要點
3.2.1 隨機選取rbf中心
3.2.2 自組織學習選取rbf中心及網絡設計
3.2.3 有監督學習選取rbf中心及網絡設計
3.2.4 正交*小二乘（0ls）法選取rbf中心及網絡設計
3.2.5 遞歸*小二乘（ols）法選取rbf中心及網絡設計
3.2.6 其他方法
3.2.7 rbf網絡與多層感知器的特點與設計比較
3.3 rbf網絡的應用實例
3.3.1 rbf網絡在液化氣銷售量預測中的應用
3.3.2 rbf網絡在地表水質評價中的應用
3.3.3 rbf網絡在汽油干點軟測量中的應用
3.3.4 rbf網絡在地下溫度預測中的應用
3.3.5 rbf網絡在工程車輛自動變速控制中的應用
3.3.6 rbf網絡在人臉年齡估計中的應用
3.3.7 rbf網絡在專利發展趨勢預測中的應用
3.3.8 rbf網絡在圖像融合中的應用
3.3.9 rbf網絡紅外光譜法用于中藥大黃樣品的真偽分類
3.3.10 rbf網絡在船用柴油機智能診斷中的應用
3.3.11 rbf網絡在多級入侵檢測中的應用
本章參考文獻
第4章 sofm網絡設計與應用
4.1 sofm網絡原理與學習算法
4.2 sofm網絡的設計基礎
4.2.1 輸出層設計
4.2.2 權值初始化問題
4.2.3 優勝鄰域nj*·（t）的設計
4.2.4 學習率n（t）的設計
4.3 應用與設計實例
4.3.1 sofm網絡用于皮革外觀效果分類
4.3.2 sofm網絡用于物流中心城市分類評價
4.3.3 sofm網絡用于遙感影像分類
4.3.4 sofm網絡用于火焰燃燒診斷
4.3.5 sofm網絡在防火樹種分類中的應用
4.3.6 sofm在基于漢字與部件聚類的漢字認知建模中的應用
4.3.7 sofm網絡在膨脹土分類中的應用
4.3.8 sofm網絡在水電廠技術供水系統故障診斷中的應用
4.3.9 sofm網絡在不同地區人力資本構成分析中的應用
本章參考文獻
第5章 lvq網絡設計與應用
5.1 lvq網絡原理與學習算法
5.1.1 lvq網絡工作原理
5.1.2 lvq網絡的學習算法
5.2 lvq網絡設計要點
5.2.1 競爭層設計
5.2.2 權值初始化問題
5.2.3 學習率n（t）的設計
5.3 應用與設計實例
5.3.1 lvq網絡在證券投資基金分類中的應用
5.3.2 lvq網絡在探地雷達探雷中的應用
5.3.3 lvq網絡在蘋果等級判別中的應用
5.3.4 vq網絡在胃癌組織樣品分類識別中的應用
5.3.5 lvq網絡在液壓系統故障診斷中的應用
5.3.6 lvq網絡在汽車信貸客戶分類中的應用研究
5.3.7 lvq網絡在土地利用／覆蓋變化探測中的應用
5.3.8 lvq網絡在周期信號識別方面的擴展應用
本章參考文獻
第6章 對偶傳播神經網絡
第7章 art網絡設計及應用
第8章 hopfield網絡的設計與應用
第9章 時序遞歸網絡的設計與應用
第10章 cmac網絡的設計與應用
第11章 支持向量機的設計與應用
第12章 人工神經元網絡設計開發平臺
展開全部
神經網絡設計方法與實例分析 節選
《神經網絡設計方法與實例分析》從神經網絡設計和應用實踐出發，介紹了10種常見的人工神經網絡的基本原理、設計方法，并從各個應用領域精選了豐富的典型應用實例進行剖析，旨在使讀者對各類常用的人工神經網絡的基本原理和學習算法進一步加深理解，熟悉其主要功能，掌握其設計方法，了解其主要應用，為設計各類神經網絡和解決實際問題打下基礎。主要內容包括神經網絡模型評估與選擇；10種典型網絡的設計與應用，包括BP網絡、RBF網絡、SOFM網絡、LVQ網絡、CPN網絡、ART網鉻、Hopfield網絡、時序遞歸網絡、CMAC網絡、SVM網絡；*后介紹了人工神經元網絡設計開發平臺。《神經網絡設計方法與實例分析》可作為具有一定人工神經網絡理論基礎的科技工作者解決實際問題時的設計參考書，也可作為相關專業研究生及本科專業高年級學生的參考教材。
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
莉莉和章魚
- >
姑媽的寶刀
- >
唐代進士錄
- >
羅庸西南聯大授課錄
- >
山海經
本類暢銷
