幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

神經網路與深度學習(基於MATLAB的模擬與實現)/人工智慧科學與技術叢書

  • 作者：編者:姚舜才//李大威|責編:鍾志芳
  • 出版社：清華大學
  • ISBN：9787302591085
  • 出版日期：2022/05/01
  • 裝幀：平裝
  • 頁數：379
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統論述了神經網路及深度學習的基本原理、演算法設計及應用實例。全書分三部分，共14章，分別介紹了神經網路的基本概念、神經網路的基本結構、深度學習的基本原理、神經網路的訓練方法，以及神經網路與深度學習的電腦模擬技術。此外，本書還介紹了MATLAB中的人工智慧工具箱在神經網路與深度學習中的應用，給出了豐富的實例，並配套提供了完整的程序代碼，便於讀者動手實踐。
    本書可作為高等院校人工智慧、電腦、電子信息等專業的本科生、研究生及從事人工智慧學習及研究的專業人員的參考書。
作者介紹
編者:姚舜才//李大威|責編:鍾志芳
目錄
第一部分  神經網路基礎及MATLAB
  緒論
  第1章  神經網路概述
  第2章  MATLAB基本知識及神經網路工具箱簡介
    2.1  MATLAB基本知識
    2.2  MATLAB神經網路工具箱
      2.2.1  基於代碼的MATLAB神經網路工具箱的應用
      2.2.2  基於圖形界面的MATLAB神經網路工具箱的應用
      2.2.3  MATLAB/Simulink中神經網路相關模塊的應用
      2.2.4  MATLAB菜單欄中神經網路相關模塊的應用
第二部分  經典神經網路
  第3章  感知機
    3.1  感知機的基本結構與演算法基礎
      3.1.1  單層感知機的基本結構
      3.1.2  多層感知機的基本結構與演算法基礎
    3.2  感知機的MATLAB實現
      3.2.1  單層感知機的MATLAB模擬實現
      3.2.2  多層感知機的MATLAB模擬實現
  第4章  線性神經網路
    4.1  線性神經網路的基本結構與演算法基礎
      4.1.1  線性神經網路基本結構及學習演算法
      4.1.2  最小均方差演算法中關於學習率η的討論
      4.1.3  線性神經網路的訓練
    4.2  線性神經網路的MATLAB實現
      4.2.1  線性神經網路在分類問題中的應用
      4.2.2  線性神經網路在擬合（回歸）問題中的應用
      4.2.3  線性神經網路在信號處理中的應用
    4.3  關於線性神經網路的幾點討論
  第5章  BP神經網路
    5.1  BP神經網路的基本結構與演算法基礎
      5.1.1  BP神經網路基本結構及學習演算法
      5.1.2  BP神經網路的構建
      5.1.3  BP神經網路演算法問題的改進討論
    5.2  BP神經網路的MATLAB實現
      5.2.1  BP神經網路在分類問題中的應用
      5.2.2  BP神經網路在擬合（回歸）問題中的應用
      5.2.3  BP神經網路在信號處理中的應用
    5.3  關於BP神經網路的幾點討論
  第6章  徑向基神經網路
    6.1  徑向基神經網路的基本結構與演算法基礎
      6.1.1  徑向基神經網路基本結構及學習演算法
      6.1.2  徑向基神經網路在擬合問題中的應用分析
      6.1.3  徑向基神經網路在分類問題中的應用分析
    6.2  徑向基神經網路的MATLAB實現
      6.2.1  徑向基神經網路在擬合（回歸）問題中的應用
      6.2.2  徑向基神經網路在分類問題中的應用
      6.2.3  徑向基神經網路在數據預測中的應用
    6.3  關於徑向基神經網路的幾點討論
  第7章  Hopfield神經網路
    7.1  Hopfield神經網路的基本結構與演算法基礎

      7.1.1  離散型Hopfield神經網路
      7.1.2  連續型Hopfield神經網路
      7.1.3  Hopfield神經網路的幾個問題
    7.2  Hopfield神經網路的MATLAB實現
    7.3  關於Hopfield神經網路的幾點討論
  第8章  SOM神經網路
    8.1  SOM神經網路的基本結構與演算法基礎
      8.1.1  SOM神經網路的運行原理
      8.1.2  SOM神經網路基本結構及學習演算法
      8.1.3  SOM神經網路的訓練
      8.1.4  SOM神經網路的設計
    8.2  SOM神經網路的MATLAB實現
      8.2.1  二維SOM神經網路識別分類
      8.2.2  SOM神經網路在故障診斷中的應用
      8.2.3  SOM神經網路的工具箱實現
    8.3  關於SOM神經網路的幾點討論
  第9章  概率神經網路
    9.1  概率神經網路的基本結構與演算法基礎
      9.1.1  概率神經網路的理論基礎
      9.1.2  概率神經網路的結構模型
      9.1.3  概率神經網路的訓練
      9.1.4  概率神經網路模式分類學習演算法
    9.2  概率神經網路的MATLAB實現
      9.2.1  基於PNN的鳶尾花分類
      9.2.2  變壓器故障診斷
      9.2.3  概率神經網路的工具箱實現
      9.2.4  PNN中參數spread對分類的影響
第三部分  深度學習神經網路
  第10章  深度信念網路
    10.1  玻耳茲曼機基本結構及學習
      10.1.1  玻耳茲曼機的基本結構
      10.1.2  玻耳茲曼機的訓練方法
    10.2  深度信念網路的基本結構
    10.3  深度信念網路的MATLAB實現
      10.3.1  數據集
      10.3.2  DeeBNet工具箱實現
      10.3.3  MATLAB 2019深度學習工具箱的實現案例
  第1l章  自編碼器
    11.1  自編碼器的基本結構與演算法基礎
      11.1.1  自編碼器的基本結構
      11.1.2  自編碼器的學習演算法
    11.2  自編碼器的MATLAB實現
      11.2.1  堆棧自編碼器的實現案例1
      11.2.2  降噪堆棧自編碼的實現
      11.2.3  堆棧自編碼器的實現案例2
  第12章  卷積神經網路
    12.1  卷積神經網路的基本結構與演算法基礎
      12.1.1  卷積神經網路的特點
      12.1.2  卷積神經網路的訓練
      12.1.3  常見的卷積神經網路結構

    12.2  卷積神經網路的實現
      12.2.1  卷積神經網路的實現1
      12.2.2  卷積神經網路的實現2
      12.2.3  MATLAB 2019b深度學習工具箱
      12.2.4  MATLAB 2019b深層網路設計器的實現
  第13章  生成對抗網路（GAN）
    13.1  GAN的起源與發展
      13.1.1  GAN的起源
      13.1.2  GAN的發展
      13.1.3  GAN的特點
    13.2  GAN的結構與原理
      13.2.1  GAN的基本結構
      13.2.2  GAN的訓練過程
      13.2.3  GAN的改進模型
      13.2.4  GAN的應用
    13.3  GAN的MATLAB實現
      13.3.1  GAN的MATLAB實現1
      13.3.2  GAN的MATLAB實現2
      13.3.3  GAN的MATLAB實現3
  第14章  循環神經網路
    14.1  循環神經網路的結構與演算法基礎
      14.1.1  普通的循環神經網路的結構和演算法
      14.1.2  長短時記憶網路的結構和演算法
    14.2  LSTM網路的MATLAB實現
      14.2.1  LSTM網路語音序列數據分類
      14.2.2  LSTM網路時序數據預測
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032