图书介绍
人工神经网络原理与实践PDF|Epub|txt|kindle电子书版本网盘下载
- 陈雯柏编 著
- 出版社： 西安：西安电子科技大学出版社
- ISBN：9787560639338
- 出版时间：2016
- 标注页数：206页
- 文件大小：19MB
- 文件页数：215页
- 主题词：人工神经网络－高等学校－教材
PDF下载
下载说明
人工神经网络原理与实践PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
第一章 绪论1
1.1 人类的智能与思维1
1.1.1 智能1
1.1.2 思维2
1.2 人工智能3
1.2.1 人工智能的主流学派3
1.2.2 机制主义方法与人工智能统一4
1.2.3 人工智能的研究内容4
1.3 人脑与“电脑”的信息处理机制5
1.4 人工神经网络的研究溯源5
1.5 人工神经网络的分类8
1.6 人工神经网络的特点8
1.7 人工神经网络的功能9
1.8 人工神经网络的应用10
思考题11
第二章 人工神经网络的基本原理12
2.1 生物神经网络12
2.1.1 生物神经元的结构12
2.1.2 生物神经元的信息处理机理13
2.1.3 生物神经网络的结构15
2.1.4 生物神经网络的信息处理16
2.2 人工神经元的数学建模17
2.2.1 M-P模型17
2.2.2 常用的神经元数学模型19
2.3 人工神经网络的结构建模22
2.3.1 网络拓扑类型22
2.3.2 网络信息流向类型23
2.3.3 人工神经网络结构模型的特点24
2.4 人工神经网络的学习24
思考题26
第三章 感知器27
3.1 感知器的结构与功能27
3.1.1 单层感知器的网络结构27
3.1.2 单层感知器的功能分析28
3.2 感知器的学习算法32
3.3 感知器的局限性与改进方式34
3.4 多层感知器35
3.5 感知器神经网络的MATLAB仿真实例37
3.5.1 常用的感知器神经网络函数37
3.5.2 仿真实例39
思考题43
第四章 BP神经网络44
4.1 BP网络的模型44
4.2 BP网络的学习算法45
4.2.1 BP算法推导45
4.2.2 BP算法的程序实现47
4.3 BP网络的功能与数学本质49
4.3.1 BP神经网络的功能特点49
4.3.2 BP神经网络的数学本质50
4.4 BP网络的问题与改进50
4.4.1 BP神经网络存在的缺陷与原因分析50
4.4.2 传统BP算法的改进与优化51
4.4.3 深度神经网络53
4.5 BP网络的设计54
4.5.1 输入／输出变量的确定与训练样本集的准备54
4.5.2 BP网络结构设计56
4.5.3 网络训练与测试57
4.6 BP网络的MATLAB仿真实例58
4.6.1 BP神经网络的MATLAB工具箱58
4.6.2 BP网络仿真实例59
4.7 基于BP算法的一级倒立摆神经网络控制64
4.7.1 倒立摆系统64
4.7.2 仿真模型的建立65
4.7.3 BP神经网络控制器的设计65
4.7.4 神经网络控制器控制仿真实验68
4.7.5 神经网络实物控制实验69
思考题70
第五章 径向基神经网络71
5.1 径向基网络的模型71
5.1.1 正规化RBF网络71
5.1.2 广义RBF网络73
5.1.3 RBF网络的生理学基础73
5.1.4 RBF网络的数学基础74
5.1.5 函数逼近与模式分类问题举例76
5.2 径向基网络的学习算法79
5.2.1 数据中心的确定79
5.2.2 扩展常数的确定80
5.2.3 输出权向量的确定80
5.2.4 梯度下降法同时获取数据中心、扩展系数与权向量81
5.3 径向基网络的特性分析82
5.3.1 RBF神经网络的特点82
5.3.2 RBF神经网络与BP神经网络的比较82
5.3.3 RBF神经网络应用的关键问题82
5.4 其他径向基网络83
5.4.1 广义回归神经网络83
5.4.2 概率神经网络85
5.5 径向基网络的MATLAB仿真实例87
5.5.1 RBF网络的MATLAB工具箱87
5.5.2 仿真实例88
思考题91
第六章 反馈式神经网络92
6.1 Elman神经网络92
6.1.1 Elman神经网络的结构92
6.1.2 Elman神经网络学习算法93
6.1.3 Elman神经网络的应用94
6.2 离散Hopfield神经网络94
6.2.1 离散Hopfield神经网络的模型94
6.2.2 离散Hopfield神经网络的运行规则95
6.2.3 离散Hopfield神经网络的运行过程95
6.3 连续Hopfield神经网络100
6.3.1 连续Hopfield神经网络的网络模型100
6.3.2 连续Hopfield神经网络的稳定性分析102
6.4 Hopfield神经网络的应用102
6.4.1 联想记忆103
6.4.2 优化计算104
6.5 反馈神经网络的MATLAB仿真实例104
6.5.1 Elman神经网络的MATLAB实现104
6.5.2 Hopfield神经网络的MATLAB实现106
思考题108
第七章 自组织竞争神经网络110
7.1 模式分类的基本概念110
7.1.1 分类与聚类110
7.1.2 相似性测量110
7.2 基本竞争型神经网络111
7.2.1 基本竞争型神经网络结构111
7.2.2 竞争学习策略112
7.2.3 特性分析117
7.3 自组织特征映射神经网络117
7.3.1 SOM网的拓扑结构117
7.3.2 SOM网的工作原理117
7.3.3 SOM网的学习算法118
7.3.4 SOM网的功能应用121
7.4 自适应共振理论（ART）神经网络122
7.4.1 ART模型122
7.4.2 ART算法原理123
7.5 学习向量量化（LVQ）神经网络124
7.5.1 LVQ神经网络结构124
7.5.2 LVQ神经网络的学习算法124
7.6 对偶网络（CPN）神经网络125
7.6.1 CPN神经网络结构125
7.6.2 CPN神经网络的学习算法125
7.7 自组织竞争网络的MATLAB仿真实例126
7.7.1 重要的自组织网络函数126
7.7.2 自组织网络应用举例128
思考题132
第八章 CMAC网络133
8.1 CMAC网络工作原理133
8.1.1 CMAC网络的生理学基础133
8.1.2 CMAC网络的基本思想133
8.2 CMAC模型结构134
8.3 CMAC学习算法135
8.4 CMAC网络的讨论137
8.4.1 CMAC网络的特点137
8.4.2 CMAC与BP神经网络的比较137
8.4.3 CMAC与RBF神经网络的比较138
思考题139
第九章 模糊神经网络140
9.1 模糊控制理论基础140
9.1.1 模糊集合及其运算140
9.1.2 模糊关系与模糊逻辑推理141
9.1.3 模糊控制142
9.2 模糊系统和神经网络的联系145
9.2.1 模糊系统和神经网络的区别145
9.2.2 模糊系统和神经网络的等价性146
9.3 模糊系统与神经网络的融合147
9.4 ANFIS148
9.4.1 自适应网络149
9.4.2 ANFIS的结构149
9.4.3 ANFIS的学习算法151
9.4.4 ANFIS的特点152
9.5 模糊神经网络仿真实例152
9.5.1 MATLAB模糊逻辑工具箱152
9.5.2 仿真实例153
9.5.3 倒立摆的模糊神经网络控制156
思考题159
第十章 神经网络的优化160
10.1 神经网络的优化方法160
10.1.1 网络结构的优化160
10.1.2 训练算法的优化160
10.2 基于遗传算法的神经网络优化161
10.2.1 遗传算法161
10.2.2 遗传算法优化神经网络的权值训练164
10.2.3 遗传算法优化神经网络的网络结构164
10.3 基于粒子群算法的神经网络优化165
10.3.1 粒子群算法165
10.3.2 粒子群算法优化神经网络的权值训练167
10.4 基于混沌搜索算法的神经网络优化168
10.4.1 混沌现象168
10.4.2 混沌优化算法原理170
10.4.3 混沌优化算法优化神经网络的权值训练170
思考题170
第十一章 深度神经网络171
11.1 深度信念网络（DBNs）171
11.1.1 基础知识171
11.1.2 DBNs的结构172
11.1.3 DBNs的特点173
11.1.4 DBNs学习算法174
11.1.5 DBNs的应用175
11.2 卷积神经网络（CNNs）178
11.2.1 基础知识178
11.2.2 CNNs的结构179
11.2.3 CNNs的特点180
11.2.4 CNNs学习算法180
11.2.5 CNNs的应用181
11.3 深度神经网络的MATLAB仿真实例182
11.3.1 DBNs的MATLAB工具箱183
11.3.2 DBNs的仿真实例183
11.3.3 CNNs的MATLAB工具箱186
11.3.4 CNNs的仿真实例187
思考题189
第十二章 神经控制190
12.1 控制理论的发展190
12.2 智能控制191
12.2.1 智能控制的产生191
12.2.2 智能控制的分类192
12.2.3 智能控制系统的组成193
12.3 基于神经网络的辨识器194
12.3.1 系统辨识的基本原理194
12.3.2 神经网络系统辨识典型结构196
12.4 基于神经网络的控制器198
12.4.1 神经网络控制的基本思想198
12.4.2 神经网络控制系统典型结构198
思考题203
参考文献204