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

神經網路理論及應用實踐(雙色印刷高等學校電子信息類專業系列教材)

  • 作者：編者:廉小親//吳靜珠//高超//鄭彤|責編:李錦
  • 出版社：清華大學
  • ISBN：9787302687504
  • 出版日期：2025/06/01
  • 裝幀：平裝
  • 頁數：227
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書在全面介紹人工神經網路基本理論的基礎之上，首先，系統地闡述了單層感知器神經網路、BP神經網路、競爭學習神經網路、自組織神經網路、學習向量化神經網路、對偶傳播神經網路、徑向基函數神經網路、支持向量機等淺層神經網路的典型網路結構、學習演算法、工作原理和應用案例；其次，系統地闡述了深度學習中卷積神經網路、循環神經網路兩種經典神經網路的概念、基本架構、工作原理和應用案例；最後，介紹了人工神經網路設計開發平台。本書旨在使讀者了解和掌握人工神經網路的設計和應用方法，為讀者深入了解和研究人工神經網路奠定基礎。
    本書可作為高等院校電腦類、電子信息類、自動化類、金融類、統計類等相關專業高年級本科生、研究生的教材，也可作為相關專業領域的科研人員和工程技術人員的學習參考書。
作者介紹
編者:廉小親//吳靜珠//高超//鄭彤|責編:李錦
目錄
第1章  緒論
  1.1  人工神經網路概述
  1.2  人工神經網路發展歷程
    1.2.1  人工神經網路啟蒙期(1943年—1969年)
    1.2.2  人工神經網路低潮期(1969年—1982年)
    1.2.3  人工神經網路復興期(1982年—2006年)
    1.2.4  人工神經網路高速發展期(2006年至今)
  1.3  人工神經網路特點
  1.4  人工神經網路功能
  1.5  人工神經網路應用
  1.6  本書主要內容及特點
  本章習題
第2章  人工神經網路基礎
  2.1  生物神經網路
  2.2  人工神經元
    2.2.1  人工神經元模型
    2.2.2  人工神經元的數學描述
    2.2.3  人工神經元的激活函數
  2.3  人工神經網路分類
    2.3.1  基於連接方式分類
    2.3.2  基於連接範圍分類
    2.3.3  基於信息流向分類
    2.3.4  基於典型架構分類
  2.4  人工神經網路學習
    2.4.1  有監督學習
    2.4.2  無監督學習
    2.4.3  強化學習
    2.4.4  自監督學習
    2.4.5  半監督學習
    2.4.6  遷移學習
    2.4.7  灌輸式學習
  2.5  基於MATLAB工具箱的神經網路基本參數描述
    2.5.1  MATLAB工具箱的神經元模型
    2.5.2  MATLAB工具箱的神經網路結構
  2.6  本章小結
  本章習題
第3章  感知器神經網路
  3.1  單層感知器
    3.1.1  感知器模型
    3.1.2  感知器學習演算法
    3.1.3  感知器功能
    3.1.4  感知器局限性
  3.2  多層感知器引入
  3.3  BP神經網路
    3.3.1  BP神經網路模型
    3.3.2  BP學習演算法
    3.3.3  BP演算法實現
    3.3.4  BP演算法局限性
    3.3.5  標準BP演算法改進
  3.4  BP神經網路設計基礎

    3.4.1  訓練樣本集準備
    3.4.2  初始權值設計
    3.4.3  網路結構設計
    3.4.4  網路訓練與測試
  3.5  基於MATLAB的BP神經網路應用案例
    3.5.1  基於MATLAB的BP神經網路案例——數據擬合
    3.5.2  基於MATLAB的BP神經網路案例——鳶尾花分類
    3.5.3  基於MATLAB的BP神經網路案例——紅酒品種分類
    3.5.4  基於MATLAB的BP神經網路案例——C形數據簇分類
    3.5.5  基於MATLAB的BP神經網路案例——汽油辛烷值預測
    3.5.6  基於MATLAB的BP神經網路案例——月平均溫度預測
  本章習題
第4章  自組織競爭神經網路
  4.1  競爭學習神經網路
    4.1.1  相似度測量
    4.1.2  競爭學習原理
  4.2  自組織特徵映射神經網路
    4.2.1  網路結構
    4.2.2  學習演算法
  4.3  自組織神經網路應用案例
    4.3.1  基於SOM神經網路的汽車競品分析
    4.3.2  基於SOM神經網路的葡萄乾聚類分析
  4.4  學習向量量化神經網路
    4.4.1  向量化
    4.4.2  網路結構
    4.4.3  運行原理
    4.4.4  學習演算法
  4.5  學習向量量化神經網路應用案例
    4.5.1  基於LVQ神經網路的紅酒品種分類
    4.5.2  基於LVQ神經網路的森林火災預測
  4.6  對偶傳播神經網路
  4.7  對偶傳播神經網路應用案例
    4.7.1  基於CPN神經網路的博士論文質量評價及Python實現
    4.7.2  基於CPN神經網路的C形數據簇分類
  本章習題
第5章  徑向基函數神經網路
  5.1  正則化RBF神經網路
    5.1.1  插值問題
    5.1.2  徑向基函數解決插值問題
    5.1.3  正則化RBF神經網路結構
    5.1.4  正則化RBF神經網路學習演算法
    5.1.5  正則化RBF神經網路局限性
  5.2  廣義RBF神經網路
    5.2.1  模式可分性
    5.2.2  廣義RBF神經網路結構
    5.2.3  廣義RBF神經網路學習演算法
  5.3  基於MATLAB的RBF神經網路應用案例
    5.3.1  基於MATLAB的RBF神經網路案例——數據擬合
    5.3.2  基於MATLAB的RBF神經網路案例——小麥種子分類
    5.3.3  基於MATLAB的RBF神經網路案例——人口數量預測

    5.3.4  基於MATLAB的RBF神經網路案例——地下水位預測
  本章習題
第6章  支持向量機
  6.1  線性可分支持向量機
    6.1.1  最優超平面
    6.1.2  線性可分最優超平面
  6.2  線性支持向量機
  6.3  非線性支持向量機
    6.3.1  基於內積核的最優超平面
    6.3.2  非線性支持向量機神經網路
  6.4  支持向量機應用案例
    6.4.1  最優分類超平面的數學求解
    6.4.2  支持向量機的多分類問題
  本章習題
第7章  卷積神經網路
  7.1  CNN概述
    7.1.1  傳統神經網路
    7.1.2  傳統神經網路與CNN對比
    7.1.3  CNN的基本架構
  7.2  卷積功能層
    7.2.1  卷積功能層中的基本概念
    7.2.2  卷積操作與傳統神經元操作的類比
    7.2.3  感受野
    7.2.4  權值共享
    7.2.5  其他典型卷積操作
  7.3  池化層與全連接層
    7.3.1  池化層
    7.3.2  全連接層
    7.3.3  各功能層在案例中的解析
  7.4  CNN在目標檢測中的應用
    7.4.1  目標檢測發展背景
    7.4.2  目標檢測的評價指標
    7.4.3  基於CNN的目標檢測模型
  7.5  CNN退化問題
    7.5.1  CNN退化問題描述
    7.5.2  殘差神經網路
  7.6  CNN模型的過擬合與欠擬合問題
    7.6.1  網路超參數設計
    7.6.2  網路性能評價
    7.6.3  過擬合與欠擬合
    7.6.4  Dropout
  7.7  CNN的典型應用案例
    7.7.1  貓狗圖像識別
    7.7.2  基於MobileNetV3的肺炎識別
  本章習題
第8章  循環神經網路
  8.1  初識循環神經網路
    8.1.1  循環神經網路的應用對象
    8.1.2  循環神經網路的模型優勢
    8.1.3  循環神經網路的計算圖

  8.2  循環神經網路的結構類型
    8.2.1  循環神經網路設計模式
    8.2.2  雙向循環神經網路
    8.2.3  深度循環神經網路
  8.3  長短時記憶網路
    8.3.1  標準長短時記憶網路
    8.3.2  門控循環單元
  8.4  LSTM回歸應用案例
    8.4.1  單變數時間序列預測問題
    8.4.2  多變數時間序列預測問題
  8.5  LSTM分類應用案例
    8.5.1  圖像識別問題
    8.5.2  文本分類問題
  本章習題
第9章  人工神經網路設計開發平台
  9.1  MATLAB與Simulink基礎
    9.1.1  MATLAB運行環境
    9.1.2  Simulink模擬環境
    9.1.3  MATLAB設計基礎
  9.2  MATLAB神經網路工具箱函數介紹
    9.2.1  感知器神經網路
    9.2.2  線性神經網路
    9.2.3  BP神經網路
    9.2.4  自組織競爭神經網路
    9.2.5  學習向量量化神經網路
    9.2.6  徑向基神經網路
  本章習題
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