基本信息

内容简介

目录

基本信息

作　者： 张青贵 编著

出 版 社： 水利水电出版社

出版时间： 2004-10-1

字　数： 352000

版　次： 1

页　数： 240

纸　张： 胶版纸

I S B N ： 9787508423838

包　装： 平装

所属分类： 图书 >> 计算机/网络 >> 人工智能

内容简介

本书较系统地介绍了人工神经网络的基本理论和方法，全书共10章，可分为四大部分：第一部分包括第一章至第二章，叙述了学习人工神经网络应该具备的基础知识，内容有大脑神经系统的构成、脑神经细胞工作概况、人工神经网络的构思、动力系统稳定性以及混沌；第二部分包括第三章至第五章，论述了人工神经网络的三要素，即人工神经元模型、人工神经元的联接方式、人工神经网络的训练与学习；第三部分包括第六章至第九章，着重讨论了四大类网络，即前馈网络、动态网络、竞争网络及模糊网络，第一大类中包含若干具体网络模型；第四部分为第十章，讨论了统计学习理论，支撑向量机作为其特例。

本书在强调基础理论和系统性的同时，着重反映人工神经网络研究领域的最新研究成果，适合作为高等院校自动控制、电子技术、信息技术、计算机、系统工程等专业的研究生教材，亦可供有关科技人员参考。

目录

前言

一 引论

1.1 智能与思维科学

1.2 人工智能

1.3 人工神经网络概述

二 基础知识

2.1 人脑神经系统的构成

2.2 人脑神经细胞工作概况

2.3 人工神经网络的构思

2.4 系统的稳定性

2.5 混沌与神经网络

三 神经元模型

3.1 神经元的通用功能模型

3.2 简单线性神经元

3.3 位势神经元

3.4 逻辑神经元

3.5 势态神经元

3.6 其他神经元

四 联接方式

4.1 分层神经元网的一般结构

4.2 联接矩阵图

4.3 神经元网络的多层组织

五 训练和学习

5.1 乘积学习规则

5.2 关联学习

5.3 线性元网络的差值则训练法

5.4 准线性元网络的差值规则

5.5 随机训练

六 前馈网络

6.1 感知器

6.2 多层感知器

6.3 径向基函数网络

6.4 前馈网络与其他模式分类器

七 动态网络

7.1 延时网络

7.2 双向联想存储

7.3 Hopfield网络

7.4 递归网络

7.5 Bolzmann机

八 竞争网络

8.1 汉明网

8.2 自组织特征映射

8.3 适应谐振网-ART1

8.4 自适应谐振网-ART2

九 模糊自适应网

9.1 模糊自适应谐振网

9.2 模糊极小-极大网

9.3 一般模糊极小-极大网

9.4 模糊格神经网络

9.5 递归自组织模糊推理网络

十 统计学习理论

10.1 学习理论的背景

10.2 学习过程一致性理论

10.3 学习过程收敛率的界限

10.4 控制学习机泛化性能的理论

10.5 构造学习算法的理论

10.6 结论

参考文献