神经网络新理论与方法【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

神经网络新理论与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　概论1

1.1 计算机、生物神经网络与人工神经网络1

1.2　本书的目的与价值2

1.3　神经网络的发展历史简介4

参考文献6

第2章　基本概念7

2.1　生物学的启示7

2.2　人工神经元模型8

2.2.1　单输入单输出人工神经元8

2.2.2　多输入单输出人工神经元10

2.3　人工神经网络结构11

第3章 实神经网络的代数算法14

3.1 引言14

3.2 BP算法的缺点与困难15

3.3.1 符号与神经网络的拓扑结构22

3.3　代数算法的基本原理22

3.3.2　代数算法的理论与实现26

3.4　计算实例31

3.5 结论32

参考文献33

第4章　全局最小值分析34

4.1 引言34

4.2　三层前馈网络代价函数全局最小值分析34

4.3　数值仿真实验38

4.4　结论40

参考文献40

第5章　复数神经网络的代数算法41

5.1 引言41

5.2　复数神经网络的概念41

5.3　复数神经网络的构造42

5.4　复数前馈神经网络的全局最优学习算法的基本原理42

5.5.1 解存在的充分必要条件及隐层神经元个数的确定44

5.5 隐层神经元个数的确定以及线性方程组的求解44

5.5.2　隐层神经元函数的选择45

5.5.3 复自由权的选择45

5.6　本章结论与数值仿真实验49

参考文献50

第6章　样条权函数神经网络及其学习算法51

6.1 引言52

6.2　学习曲线52

6.3　投影概念与投影方程55

6.4　第一类权函数的神经网络拓扑结构与训练算法59

6.4.1 第一类权函数的神经网络拓扑结构59

6.4.2　样条权函数方程的建立与求解62

6.5　第一类权函数的训练算法的误差分析66

6.6　第一类权函数的神经网络拓扑结构与训练算法的一般情况88

6.7.1 第二类权函数的训练算法（积函数的训练算法）的基本原理94

6.7　第二类权函数的神经网络拓扑结构与训练算法94

6.7.2　第二类权函数的训练算法（积函数的训练算法）的误差分析104

6.8　奇异样本的概念106

6.9　数值仿真实验110

6.10　结论112

参考文献113

第7章　神经网络的统计灵敏度分析114

7.1　引言114

7.2　符号约定115

7.3　灵敏度分析116

7.3.1 神经网络误差的一般计算公式116

7.3.2 三层神经网络的输出层误差与灵敏度的计算118

7.3.3 INI网络的输出层误差与灵敏度计算121

7.4　数值仿真实验122

7.5　结论124

参考文献125