类神经网路导论 原理与应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

类神经网路导论 原理与应用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

Chapter 1 类神经网路简述1

1.1什么是类神经网路2

1.1.1生物神经网路2

1.1.2类神经网路3

1.2为什么使用类神经网路4

1.3类神经网路的特性6

1.4适合使用类神经网路解决的问题8

1.5类神经网路的发展史13

1.6类神经网路的现况15

本章重点回顾19

本章习题20

Chapter 2 生物神经网路与类神经网路21

2.1生物神经系统与生物神经元22

2.2膜电位与通道26

2.3动作电位与生物学习能力31

2.3.1动作电位31

2.3.2生物学习能力34

2.4类神经网路的处理单元——人工神经元35

2.5类神经网路系统架构39

2.6类神经网路的学习方式43

本章重点回顾46

本章习题47

Chapter 3 学习演算法49

3.1绪论50

3.2赫宾学习法51

3.3最小均方演算法55

3.4感知器学习法62

3.5 Delta学习法75

3.6 Correlation学习法78

3.7赢者全拿学习法79

3.8 Grossberg学习法81

3.9交叉验证83

3.10评估指标85

3.11结论86

本章重点回顾88

本章习题89

Chapter 4 倒传递类神经网路93

4.1绪论94

4.2多层感知器网路架构95

4.3倒传递类神经网路的学习演算法98

4.3.1误差倒传递演算法98

4.3.2增快学习效率的倒传递类神经网路104

4.4倒传递类神经网路的实用层面与探索107

4.4.1网路架构设定条件与限制107

4.4.2参数设定限制110

4.5应用实例112

4.6其他应用133

4.6.1股价预测133

4.6.2信用评等分类134

4.6.3设备诊断135

4.6.4声纳影像分类136

4.6.5智慧型机器人137

4.6.6精密放电加工效能预测137

4.7结论138

本章重点回顾140

本章习题141

Chapter 5 辐状基底函数类神经网路145

5.1绪论146

5.2辐状基底函数类神经网路的架构147

5.3辐状基底函数中心点选取法151

5.3.1随机选取法152

5.3.2垂直最小平方法152

5.4辐状基底函数类神经网路的学习演算法161

5.4.1利用最小平方法求权重向量162

5.4.2序率坡降法163

5.5应用实例167

5.6其他应用186

5.6.1电力系统故障分析186

5.6.2股价预测186

5.6.3病原体筛选187

5.6.4晶圆瑕疵检测分析188

本章重点回顾189

本章习题190

Chapter 6 自组性类神经网路193

6.1绪论194

6.2生物大脑皮质的特征映射概念195

6.3自组特征映射网路的架构及其演算法197

6.3.1自组特征映射网路之架构197

6.3.2自组特征映射网路之演算法199

6.3.3自组特征映射网路之参数设定203

6.4学习向量量化207

6.5自组特征映射网路与学习向量量化的结合模式210

6.6应用实例212

6.7自组特征映射网路的其他应用220

6.7.1手写数字辨识系统220

6.7.2预测电力负载220

6.7.3医疗影像校准222

6.7.4推估蒸发量222

6.7.5鉴定植物油223

本章重点回顾225

本章习题226

Chapter 7 聚类演算法231

7.1绪论232

7.2阶层式聚类法233

7.3 K-Means聚类法240

7.4 Fuzzy C-Means聚类法245

7.5减法聚类法250

本章重点回顾254

本章习题255

Chapter 8 回馈式类神经网路257

8.1绪论258

8.2人类的记忆系统259

8.3时间稽延类神经网路262

8.4回馈式类神经网路265

8.5回馈式类神经网路的架构269

8.6即时回馈学习演算法278

8.7应用实例281

8.8其他应用288

8.8.1儿童语言学习机制288

8.8.2糖尿病患血糖浓度预测289

本章重点回顾290

本章习题291

Chapter 9 模糊集合与模糊逻辑系统293

9.1绪论294

9.2模糊集合295

9.2.1传统集合与模糊集合的定义295

9.2.2模糊集合基本运算子298

9.3模糊关联性300

9.4模糊推论系统303

9.4.1模糊化304

9.4.2模糊规则库304

9.4.3推论引擎309

9.4.4隶属函数资料库311

9.4.5解模糊化313

本章重点回顾320

本章习题321

Chapter 10 反传递模糊类神经网路325

10.1绪论326

10.2反传递类神经网路的架构327

10.3反传递类神经网路的学习演算法329

10.4反传递模糊类神经网路333

10.5修正型反传递模糊类神经网路模式335

10.6应用实例340

10.7其他应用349

10.7.1预测问题之解决349

10.7.2生态系统之经营管理350

10.7.3智慧型抽水站操作系统351

本章重点回顾352

本章习题353

Chapter 11 调适性网路模糊推论系统355

11.1绪论356

11.2调适性网路模糊推论系统的架构357

11.3调适性网路模糊推论系统的学习演算法361

11.3.1误差倒传递学习演算法361

11.3.2复合型学习演算法364

11.4应用实例367

本章重点回顾379

本章习题380

Chapter 12 最佳化搜寻法383

12.1绪论384

12.2无限制式之最佳化问题384

12.3梯度坡降法387

12.3.1最陡坡降法389

12.4牛顿法394

12.4.1 Levenberg-Marquardt修正模式397

12.5共轭梯度法398

12.5.1共轭方向演算法399

12.5.2共轭梯度演算法402

12.6拟牛顿法406

12.7遗传演算法407

12.7.1编码法与评估408

12.7.2选取策略与遗传运算元409

12.7.3遗传演算法演算步骤411

本章重点回顾414

本章习题416

附录 MATLAB应用417

A.1类神经网路工具箱简介418

A.2倒传递类神经网路建构函数420

A.2.1活化函数类型421

A.2.2训练函数演算法设定426

A.2.3训练函数之效能比较432

A.3辐状基底类神经网路建构函数433

A.4 SOM与LVQ网路建构函数433

A.4.1 SOM433

A.4.2 LVQ434

A.5动态类神经网路建构函数435

A.6其他类神经网路436

A.7资料前处理与后处理函数437

A.7.1最小与最大资料前处理437

A.7.2平均值与标准差前处理438

A.7.3网路训练后处理438

A.8评估指标简介438

参考文献441

索引463

中文索引463

英文索引471