人工神经网络原理及仿真实例 第2版【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

人工神经网络原理及仿真实例 第2版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　引言1

1.1　人工神经网络简介1

1.2　人工神经网络的发展历史1

1.2.1　兴起阶段1

1.2.2　萧条阶段3

1.2.3　兴盛阶段4

1.3　人工神经网络模型6

1.3.1　生物神经元模型6

1.3.2　人工神经网络的模型7

1.4　人工神经网络的分类及学习规则10

1.4.1　人工神经网络的分类10

1.4.2　神经网络的学习12

1.5　人工神经网络的信息处理能力16

1.6　人工神经网络的应用17

1.7　人工神经网络与人工智能18

1.7.1　人工智能简介18

1.7.2　人工智能与人工神经网络的比较19

1.8　习题20

第2章　单层前向网络及LMS学习算法23

2.1　单层感知器23

2.1.1　单层感知器模型23

2.1.2　单层感知器的学习算法24

2.2　自适应线性元件27

2.3　LMS学习算法30

2.4　仿真实例33

2.5　习题42

第3章　多层前向网络及BP学习算法43

3.1　多层感知器43

3.2　BP学习算法44

3.2.1　BP学习算法描述44

3.2.2　BP学习算法步骤48

3.2.3　BP学习算法的改进53

3.3　径向基网络55

3.3.1　RBF神经网络模型55

3.3.2　RBF网络的学习算法58

3.3.3　RBF网络与多层感知器的比较62

3.4　仿真实例63

3.5　习题76

第4章　支持向量机及其学习算法78

4.1　统计学习理论简介79

4.1.1　机器学习的基本问题79

4.1.2　统计学习理论81

4.2　支持向量机84

4.2.1　最优分类超平面84

4.2.2　支持向量机87

4.2.3　支持向量机与多层前向网络的比较91

4.3　支持向量机的分类学习算法91

4.4　用于函数拟合的支持向量机92

4.5　支持向量机算法的研究与应用93

4.5.1　支持向量机算法改进93

4.5.2　核函数的改进95

4.5.3　错误惩罚参数的选择96

4.5.4　不敏感参数ε的选择96

4.5.5　支持向量机解决多类划分问题96

4.5.6　支持向量机的应用98

4.6　仿真实例98

4.7　习题108

第5章　Hopfield神经网络与联想记忆109

5.1　神经动力学109

5.2　离散Hopfield神经网络111

5.2.1　离散Hopfield网络模型111

5.2.2　离散Hopfield网络的运行规则112

5.3　连续Hopfield神经网络114

5.3.1　连续Hopfield网络模型114

5.3.2　连续Hopfield网络稳定性分析116

5.4　联想记忆117

5.4.1　联想记忆的基本概念117

5.4.2　Hopfield联想记忆网络119

5.4.3　Hopfield联想记忆网络的运行步骤121

5.4.4　联想记忆网络的改进123

5.5　仿真实例123

5.6　习题134

第6章　随机神经网络及模拟退火算法135

6.1　Boltzmann 机135

6.1.1　Boltzmann机的网络结构136

6.1.2　Boltzmann机的工作原理137

6.1.3　Boltzmann机的运行步骤139

6.1.4　Boltzmann机的学习规则140

6.2　Boltzmann机的改进141

6.2.1　确定性Boltzmann机142

6.2.2　Sigmoid置信度网络143

6.3　模拟退火算法145

6.3.1　模拟退火原理146

6.3.2　模拟退火算法用于组合优化问题147

6.4　仿真实例149

6.5　习题157

第7章　竞争神经网络159

7.1　Hamming网络160

7.1.1　Hamming网的基本模型160

7.1.2　自适应Hamming网模型164

7.1.3　模糊自适应Hamming网167

7.2　自组织映射网络168

7.2.1　自组织映射网络模型169

7.2.2 自组织映射学习算法170

7.3　学习矢量量化173

7.3.1　学习矢量量化的基本模型173

7.3.2　Kohonen的改进模型175

7.3.3　广义矢量量化模型176

7.3.4　模糊GLVQ模型178

7.3.5　学习矢量量化和自组织映射179

7.4　主分量分析180

7.4.1　主分量分析方法180

7.4.2　主分量分析网络及其算法182

7.4.3　非线性主分量分析及其网络模型186

7.5　仿真实例189

7.6　习题209

第8章　协同神经网络210

8.1　协同学简介211

8.1.1　协同学的基本思想212

8.1.2　协同学的数学模型212

8.1.3　协同学的关键概念214

8.2　协同神经网络216

8.2.1　协同神经网络的数学模型217

8.2.2　协同神经网络的结构219

8.2.3　协同神经网络的运行步骤222

8.2.4　协同学习算法224

8.2.5　协同神经网络的优缺点226

8.3　仿真实例227

8.4　习题231

附录233

附录A　MATLAB及神经网络工具箱简介233

附录B　MATLAB中神经网络工具箱函数241

参考文献246