图书介绍
神经网络权值直接确定法PDF|Epub|txt|kindle电子书版本网盘下载
- 张雨浓，杨逸文，李巍著 著
- 出版社： 广州：中山大学出版社
- ISBN：9787306037473
- 出版时间：2010
- 标注页数：217页
- 文件大小：52MB
- 文件页数：228页
- 主题词：神经网络－研究
PDF下载
下载说明
神经网络权值直接确定法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1章 人工神经网络概述1
1.1 神经网络的基本概念1
1.1.1 什么是人工神经网络1
1.1.2 人工神经网络的生物学基础3
1.1.3 人工神经元模型7
1.1.4 人工神经网络模型11
1.1.5 神经网络学习算法15
1.2 神经网络发展简史18
1.3 神经网络应用21
1.3.1 模式识别21
1.3.2 自动控制22
1.3.3 信号处理22
1.3.4 人工智能22
参考文献23
第2章 传统神经网络及学习算法27
2.1 感知器27
2.1.1 简单单层感知器网络27
2.1.2 单层感知器神经网络28
2.1.3 单层感知器的有教师学习算法29
2.1.4 单层感知器网络的局限性30
2.2 径向基网络30
2.3 Hopfield神经网络32
2.4 误差回传（BP）神经网络37
2.5 MATLAB神经网络工具箱37
参考文献39
第3章 BP神经网络45
3.1 BP神经网络的发展45
3.2 BP神经元及神经网络模型46
3.3 BP神经网络学习算法48
3.3.1 信号的正向传递48
3.3.2 BP学习算法的误差反向传播与权值阈值更新增量49
3.3.3 网络权值阈值更新公式49
3.4 BP神经网络的局限50
3.4.1 局部极小点50
3.4.2 学习／收敛速度慢51
3.4.3 网络结构难以确定51
3.5 标准BP算法的改进52
3.5.1 增加动量项的BP学习算法52
3.5.2 可变学习率的BP算法52
3.5.3 弹性BP学习算法53
3.5.4 共轭梯度法改进53
3.5.5 Levenberg-Marquardt算法54
3.6 计算机简单示例54
参考文献59
第4章 权值直接确定法62
4.1 相关数学基础62
4.1.1 最佳逼近理论62
4.1.2 多元多项式的逼近理论64
4.1.3 矩阵伪逆与线性方程组求解65
4.2 幂激励前向神经网络66
4.2.1 网络模型与理论基础66
4.2.2 基于BP算法的迭代公式68
4.2.3 权值直接确定公式71
4.2.4 计算机仿真实例72
4.2.5 小结与思考76
参考文献77
附录78
第5章 权值可直接确定的神经网络模型（一）83
5.1 正交多项式激励函数83
5.2 Hermite正交多项式神经网络86
5.3 Chebyshev正交多项式神经网络93
5.4 Jacobi正交多项式神经网络101
5.5 小结与思考108
参考文献109
第6章 权值可直接确定的神经网络模型（二）110
6.1 Fourier级数及逼近110
6.2 Fourier三角基神经网络113
6.3 Fourier复指数基神经网络119
6.4 小结与思考126
参考文献126
附录128
第7章 权值可直接确定的其他神经网络模型132
7.1 Padé有理式神经网络132
7.2 样条神经网络138
7.3 小结与思考146
7.3.1 相对BP算法的突破146
7.3.2 对网络激励函数的要求147
7.3.3 理论与应用上的新意148
参考文献148
第8章 神经网络结构自确定150
8.1 神经网络的拓扑结构150
8.1.1 简单前向神经网络结构150
8.1.2 带反馈的前向神经网络结构151
8.1.3 层内互连的前向神经网络结构151
8.1.4 反馈神经网络结构152
8.2 隐神经元数对前向网络性能的影响152
8.3 传统网络结构调整方法154
8.3.1 基于信息熵的隐神经元数估计法154
8.3.2 基于LMBP改进算法的神经网络结构优化155
8.3.3 基于黄金分割的优化算法155
8.3.4 剪枝算法155
8.3.5 基于遗传算法的网络结构优化155
8.3.6 代数方程优化法155
8.4 动态结构神经网络的实现156
8.4.1 动态增添神经元算法157
8.4.2 动态删减神经元算法157
8.4.3 计算机仿真与展示159
8.4.4 计算机应用示例163
8.5 神经网络最优结构确定169
参考文献171
第9章 基于权值直接确定法的网络结构自确定算法174
9.1 Chebyshev神经网络结构自确定174
9.2 Legendre神经网络结构自确定180
9.3 Gegenbauer神经网络结构自确定185
9.4 结构自确定法的适用范围和应用意义194
参考文献195
附录197
第10章 多输入神经网络权值与结构确定199
10.1 多输入多项式神经网络模型199
10.2 多输入多项式神经网络权值直接确定200
10.2.1 权值迭代修正公式200
10.2.2 全局收敛性质及最优权值直接求解203
10.2.3 计算机仿真验证及与BP、RBF神经网络性能对比204
10.3 多输入多项式神经网络的结构自确定207
10.4 小结与思考209
参考文献210
附录211