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

人工神經網路設計(新一代信息技術人工智慧戰略性新興領域十四五高等教育系列教材)

  • 作者：編者:喬俊飛//蒙西|責編:吉玲
  • 出版社：機械工業
  • ISBN：9787111776536
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：162
人民幣：RMB 45 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統地介紹了人工神經網路的基礎知識、工作原理及應用實例，旨在幫助讀者深入掌握人工神經網路的設計及應用方法。全書共10章，涵蓋從基礎理論到典型神經網路設計的各個方面。前兩章詳細講解了人工神經網路的基本概念、結構及工作原理，為後續的神經網路設計奠定理論基礎。隨後的章節重點介紹了不同類型的典型神經網路，包括結構設計方法、學習演算法以及在實際場景中的應用。本書通過理論與實踐相結合的方式，激發讀者研究神經網路的興趣，併為其進行創新設計提供指導。
    本書不僅適合作為高等學校自動化類、電子信息類、電腦類高年級本科生或研究生的神經網路課程教材，還可為有志於學習和研究人工神經網路的技術人員和工程師提供參考。
作者介紹
編者:喬俊飛//蒙西|責編:吉玲
目錄
前言
第1章  緒論
  1.1  人工神經網路
    1.1.1  人工神經網路的特點
    1.1.2  人工神經網路的功能
  1.2  人工神經網路的產生和發展
    1.2.1  人工神經網路的產生
    1.2.2  人工神經網路的發展
  1.3  人工神經網路的未來前景
  習題
第2章  人工神經網路構成
  2.1  神經元模型
    2.1.1  生物神經元
    2.1.2  MP模型
    2.1.3  激活函數的類型和作用
  2.2  神經元學習規則
    2.2.1  Hebb學習規則
    2.2.2  Widrow-Hoff學習規則
  2.3  神經網路結構
    2.3.1  前饋神經網路
    2.3.2  遞歸神經網路
  2.4  神經網路學習演算法
    2.4.1  最速下降法
    2.4.2  牛頓法
  2.5  神經網路性能分析
    2.5.1  學習能力
    2.5.2  泛化性能
    2.5.3  欠擬合和過擬合
  習題
  參考文獻
第3章  感知器
  3.1  單層感知器
    3.1.1  單層感知器結構和工作原理
    3.1.2  單層感知器的學習演算法
    3.1.3  單層感知器的局限性
  3.2  多層感知器
    3.2.1  多層感知器結構和工作原理
    3.2.2  反向傳播演算法和BP網路
    3.2.3  批量學習和增量學習
  3.3  多層感知器結構設計
    3.3.1  基於經驗公式的多層感知器結構設計
    3.3.2  修剪型多層感知器結構設計
  3.4  應用實例
    3.4.1  非線性函數逼近
    3.4.2  鳶尾花分類
  習題
  參考文獻
第4章  徑向基函數神經網路
  4.1  局部映射特性
    4.1.1  局部映射特性的概念和意義

    4.1.2  徑向基函數神經網路的局部映射特性
  4.2  徑向基函數神經網路工作原理
    4.2.1  徑向基函數神經網路結構
    4.2.2  徑向基函數神經網路萬能逼近能力
  4.3  徑向基函數神經網路學習演算法
    4.3.1  線性最小二乘法
    4.3.2  梯度下降法
    4.3.3  LM演算法
  4.4  徑向基函數神經網路結構設計
    4.4.1  基於聚類的徑向基函數神經網路結構設計
    4.4.2  增長型徑向基函數神經網路結構設計
  4.5  應用實例
    4.5.1  SinE函數逼近
    4.5.2  波士頓房價預測
  習題
  參考文獻
第5章  Hopfield神經網路
  5.1  離散型Hopfield神經網路
    5.1.1  離散型Hopfield神經網路結構與工作原理
    5.1.2  離散型Hopfield神經網路穩定性
    5.1.3  聯想存儲與外積和法
  5.2  連續型Hopfield神經網路
    5.2.1  長短期記憶神經網路結構與工作原理
    5.2.2  連續型Hopfield神經網路穩定性
  5.3  應用實例
  習題
  參考文獻
第6章  長短期記憶網路
  6.1  遞歸神經網路的挑戰
    6.1.1  長期依賴問題
    6.1.2  梯度消失和梯度爆炸
  6.2  長短期記憶神經網路結構及工作原理
    6.2.1  長短期記憶神經網路結構的基本組成
    6.2.2  輸入門、遺忘門和輸出門的作用
  6.3  超參數對長短期記憶神經網路性能的影響
    6.3.1  長短期記憶神經網路的超參數及其作用
    6.3.2  學習率、隱含單元個數和層數的選擇對性能的影響
  6.4  長短期記憶神經網路超參數優化方法
    6.4.1  超參數優化的目標與挑戰
    6.4.2  自適應學習率演算法
    6.4.3  增長-修剪型結構設計演算法
  6.5  應用實例：電力負荷預測
  習題
  參考文獻
第7章  回聲狀態網路
  7.1  回聲狀態網路的結構和工作原理
    7.1.1  回聲狀態網路的結構
    7.1.2  回聲狀態網路的工作原理
  7.2  回聲狀態網路的學習過程
  7.3  回聲狀態網路的設計

    7.3.1  回聲狀態網路的設計過程
    7.3.2  增長型回聲狀態網路
  7.4  回聲狀態網路的應用實例
    7.4.1  數據集
    7.4.2  參數設置
    7.4.3  性能指標評估
    7.4.4  實驗結果
  習題
  參考文獻
第8章  卷積神經網路
  8.1  卷積神經網路基礎
    8.1.1  卷積運算
    8.1.2  卷積神經網路的基本概念
  8.2  卷積神經網路結構及其學習演算法
    8.2.1  卷積神經網路結構
    8.2.2  卷積神經網路學習演算法
  8.3  典型卷積神經網路
    8.3.1  LeNet-5
    8.3.2  AlexNet
    8.3.3  ResNet
  8.4  應用實例：圖像識別
  習題
  參考文獻
第9章  深度信念網路
  9.1  受限玻爾茲曼機
    9.1.1  玻爾茲曼機與受限玻爾茲曼機
    9.1.2  能量最小化
  9.2  深度信念網路
    9.2.1  深度信念網路結構
    9.2.2  對比散度演算法
  9.3  深度信念網路設計
  9.4  應用實例：手寫數字識別
  習題
  參考文獻
第10章  人工神經網路應用
  10.1  基於人工神經網路的污染物排放智能檢測
    10.1.1  城市污水處理系統
    10.1.2  數據收集與預處理
    10.1.3  人工神經網路設計
    10.1.4  數據集
  10.2  基於人工神經網路的污染治理過程智能控制
    10.2.1  城市固廢焚燒系統
    10.2.2  模型預測控制架構
    10.2.3  人工神經網路設計
    10.2.4  控制律求解
    10.2.5  數據集
  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