人工神經(jīng)網(wǎng)絡(luò)原理

前言

人工神經(jīng)網(wǎng)絡(luò)是一門新興交叉學(xué)科，它從人腦的生理結(jié)構(gòu)出發(fā)，探討人類智能活動的機(jī)理，對人類智能進(jìn)行模擬。隨著對人腦生物神經(jīng)網(wǎng)絡(luò)的深入了解，人工神經(jīng)網(wǎng)絡(luò)的研究獲得了長足發(fā)展。自20世紀(jì)80年代中后期以來，人工神經(jīng)網(wǎng)絡(luò)的研究吸引著眾多不同領(lǐng)域的研究人員，在人工神經(jīng)網(wǎng)絡(luò)模型、網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、學(xué)習(xí)算法和運行機(jī)制等方面取得了很多突破性進(jìn)展。人工神經(jīng)網(wǎng)絡(luò)在組合優(yōu)化、模式識別、圖像處理、自動控制、機(jī)器人控制、信號處理等應(yīng)用領(lǐng)域也獲得了成功，顯示出了巨大的潛力。目前，人工神經(jīng)網(wǎng)絡(luò)的研究和應(yīng)用方興未艾，已經(jīng)成為人工智能學(xué)科的一個重要研究方向和研究熱點。為了適應(yīng)人工神經(jīng)網(wǎng)絡(luò)的發(fā)展形勢，需不斷探索和研究人工神經(jīng)網(wǎng)絡(luò)的基本理論，普及人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識，培養(yǎng)人工神經(jīng)網(wǎng)絡(luò)應(yīng)用和研究型人才。作者在多年來為研究生講授“人工神經(jīng)網(wǎng)絡(luò)”課程講義的基礎(chǔ)上，結(jié)合部分相關(guān)研究成果，并參考國內(nèi)外學(xué)者編著的相關(guān)書籍和文獻(xiàn)資料撰寫完成此書，力圖為高等院校計算機(jī)科學(xué)與技術(shù)、電子、通信與自動控制等相關(guān)專業(yè)的研究生和高年級本科生，以及相關(guān)專業(yè)領(lǐng)域的科研人員和工程技術(shù)人員提供一本系統(tǒng)介紹人工神經(jīng)網(wǎng)絡(luò)基本理論和典型模型的教材和參考書籍。在本書的編寫過程中，注重了內(nèi)容的選擇和編排，圍繞從理論到實踐的主線，從介紹人工神經(jīng)網(wǎng)絡(luò)的基本概念、背景和歷史人手，以人工神經(jīng)網(wǎng)絡(luò)模型信息處理性能的三個關(guān)鍵特性作為基礎(chǔ)，以網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)算法、工作原理以及應(yīng)用實例為核心詳細(xì)介紹典型人工神經(jīng)網(wǎng)絡(luò)模型，以人工神經(jīng)網(wǎng)絡(luò)應(yīng)用開發(fā)設(shè)計方法和實現(xiàn)帶動理論聯(lián)系實踐，并通過對人工神經(jīng)網(wǎng)絡(luò)發(fā)展的簡介啟迪讀者進(jìn)行更深人的研究和應(yīng)用開發(fā)。全書共分10章。第1章介紹人工神經(jīng)網(wǎng)絡(luò)的基本概念、發(fā)展歷史、特點、功能、主要研究方向和應(yīng)用領(lǐng)域，并對人工神經(jīng)網(wǎng)絡(luò)技術(shù)和基于符號的人工智能技術(shù)及傳統(tǒng)計算技術(shù)進(jìn)行了比較；第2章介紹生物神經(jīng)元的結(jié)構(gòu)與功能，提出了人工神經(jīng)元的數(shù)學(xué)模型、常用的轉(zhuǎn)移函數(shù)、最早的M-P人工神經(jīng)元模型，以及人工神經(jīng)網(wǎng)絡(luò)的互連結(jié)構(gòu)和學(xué)習(xí)方式及規(guī)則；第3章介紹早期的感知機(jī)模型和自適應(yīng)線性元件（ADALINE）的拓?fù)浣Y(jié)構(gòu)、處理單元模型及學(xué)習(xí)算法；第4章介紹采用誤差反向傳播學(xué)習(xí)算法的BP神經(jīng)網(wǎng)絡(luò)的提出、基本結(jié)構(gòu)及處理單元的數(shù)學(xué)模型，以及標(biāo)準(zhǔn)BP學(xué)習(xí)算法的數(shù)學(xué)基礎(chǔ)、局限性及改進(jìn)和BP神經(jīng)網(wǎng)絡(luò)的主要能力及兩個應(yīng)用實例；第5章介紹離散型和連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)、處理單元模型、能量函數(shù)和狀態(tài)，離散型Hopfield神經(jīng)網(wǎng)絡(luò)的運行規(guī)則、連接權(quán)值設(shè)計和信息存儲容量，以及應(yīng)用于聯(lián)想記憶的離散型Hopfield神經(jīng)網(wǎng)絡(luò)和應(yīng)用于優(yōu)化計算的連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)的兩個實例；第6章介紹隨機(jī)型神經(jīng)網(wǎng)絡(luò)及模擬退火算法，Boltzmann機(jī)的網(wǎng)絡(luò)結(jié)構(gòu)、處理單元模型、能量函數(shù)、Boltzmann分布、運行規(guī)則以及學(xué)習(xí)規(guī)則；第7章介紹自組織神經(jīng)網(wǎng)絡(luò)的提出、基本競爭學(xué)習(xí)的概念和規(guī)則，以及自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)的提出、特點和兩種模型：ARTI神經(jīng)網(wǎng)絡(luò)和ART2神經(jīng)網(wǎng)絡(luò)；第8章介紹人工神經(jīng)網(wǎng)絡(luò)應(yīng)用的特點、適用范圍和設(shè)計開發(fā)過程，并介紹人工神經(jīng)網(wǎng)絡(luò)模型的選取、設(shè)計和實現(xiàn)；第9章介紹人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)的發(fā)展歷史、兩種不同的實現(xiàn)方案的分類方法，以及人工神經(jīng)網(wǎng)絡(luò)的虛擬實現(xiàn)。

內(nèi)容概要

本書介紹了人工神經(jīng)網(wǎng)絡(luò)的基本理論，系統(tǒng)地闡述了六種典型的人工神經(jīng)網(wǎng)絡(luò)模型，即早期的感知機(jī)神經(jīng)網(wǎng)絡(luò)、自適應(yīng)線性元件神經(jīng)網(wǎng)絡(luò)、誤差反向傳播神經(jīng)網(wǎng)絡(luò)、Hopfield神經(jīng)網(wǎng)絡(luò)、Boltzmann機(jī)和自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)，以及它們的網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)算法、工作原理及應(yīng)用實例，為讀者深入了解和研究人工神經(jīng)網(wǎng)絡(luò)奠定了基礎(chǔ)。    為了滿足讀者應(yīng)用人工神經(jīng)網(wǎng)絡(luò)解決實際問題的需要，書中還介紹了人工神經(jīng)網(wǎng)絡(luò)應(yīng)用開發(fā)設(shè)計的全過程，并在附錄中給出了BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)預(yù)測、Hopfield神經(jīng)網(wǎng)絡(luò)實現(xiàn)圖像自聯(lián)想記憶、模擬退火算法實現(xiàn)TSP和ART1神經(jīng)網(wǎng)絡(luò)的源程序，供讀者參考。作為擴(kuò)充知識，書中也簡單介紹了人工神經(jīng)網(wǎng)絡(luò)的實現(xiàn)，以及人工神經(jīng)網(wǎng)絡(luò)技術(shù)與傳統(tǒng)的基于規(guī)則的專家系統(tǒng)和模糊系統(tǒng)的融合。    本書既可作為計算機(jī)科學(xué)與技術(shù)、電子、通信與自動控制等相關(guān)專業(yè)的研究生和高年級本科生的參考書，也可作為相關(guān)專業(yè)領(lǐng)域的科研人員和工程技術(shù)人員的學(xué)習(xí)參考書。

書籍目錄

出版說明前言第1章  緒論  1.1 人工神經(jīng)網(wǎng)絡(luò)的概念  1.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史    1.2.1 興起時期    1.2.2 蕭條時期    1.2.3 興盛時期    1.2.4 高潮時期  1.3 人工神經(jīng)網(wǎng)絡(luò)的特點  1.4 人工神經(jīng)網(wǎng)絡(luò)的信息處理能力  1.5 人工神經(jīng)網(wǎng)絡(luò)的功能  1.6 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用  1.7 人工神經(jīng)網(wǎng)絡(luò)的主要研究方向  1.8 人工神經(jīng)網(wǎng)絡(luò)與人工智能  1.9 人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)計算  1.10 本章小結(jié)  1.11習(xí)題第2章  人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)  2.1 生物神經(jīng)系統(tǒng)    2.1.1 生物神經(jīng)元的結(jié)構(gòu)    2.1.2 生物神經(jīng)元的功能  2.2 人工神經(jīng)元模型    2.2.1 人工神經(jīng)元的形式化描述    2.2.2 轉(zhuǎn)移函數(shù)  2.3 M—P模型    2.3.1 標(biāo)準(zhǔn)M—P模型    2.3.2 延時M—P模型    2.3.3 改進(jìn)的M—P模型  2.4 人工神經(jīng)網(wǎng)絡(luò)的互連結(jié)構(gòu)  2.5 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)    2.5.1 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式    2.5.2 基本的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則  2.6 本章小結(jié)  2.7 習(xí)題第3章  早期的自適應(yīng)神經(jīng)網(wǎng)絡(luò)模型  3.1 感知機(jī)    3.1.1 感知機(jī)模型結(jié)構(gòu)    3.1.2 感知機(jī)處理單元模型    3.1.3 感知機(jī)學(xué)習(xí)算法    3.1.4 感知機(jī)的局限性    3.1.5 感知機(jī)的收斂性  3.2 自適應(yīng)線性元件    3.2.1 ADALINE模型結(jié)構(gòu)    3.2.2 ADALINE學(xué)習(xí)算法  3.3 本章小結(jié)  3.4 習(xí)題第4章  誤差反向傳播神經(jīng)網(wǎng)絡(luò)  4.1 誤差反向傳播神經(jīng)網(wǎng)絡(luò)的提出  4.2 誤差反向傳播神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)  4.3 誤差反向傳播神經(jīng)網(wǎng)絡(luò)處理單元模型  4.4 誤差反向傳播學(xué)習(xí)算法  4.5 誤差反向傳播學(xué)習(xí)算法的數(shù)學(xué)基礎(chǔ)  4.6 誤差反向傳播學(xué)習(xí)算法的改進(jìn)    4.6.1 BP算法存在的問題    4.6.2 累積誤差校正算法    4.6.3 Sigmoid函數(shù)輸出限幅的BP算法    4.6.4 增加動量項的BP算法    4.6.5 學(xué)習(xí)速率自適應(yīng)調(diào)整算法  4.7 隱含層的特征抽取作用  4.8 誤差反向傳播神經(jīng)網(wǎng)絡(luò)應(yīng)用實例    4.8.1 BP神經(jīng)網(wǎng)絡(luò)的主要能力    4.8.2 BP神經(jīng)網(wǎng)絡(luò)在入侵檢測中的應(yīng)用    4.8.3 BP神經(jīng)網(wǎng)絡(luò)在股票市場中的應(yīng)用  4.9 本章小結(jié)  4.10 習(xí)題第5章  Hopfield神經(jīng)網(wǎng)絡(luò)  5.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)    5.I.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)    5.1.2 離散型Hopfield神經(jīng)網(wǎng)絡(luò)處理單元模型    5.1.3 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的狀態(tài)及運行規(guī)則    5.1.4 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)    5.1.5 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的連接權(quán)值設(shè)計    5.1.6 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的信息存儲容量  5.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)    5.2.1 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)    5.2.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)處理單元模型    5.2.3 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)的狀態(tài)    5.2.4 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)  5.3 Hopfield神經(jīng)網(wǎng)絡(luò)應(yīng)用實例    5.3.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)應(yīng)用實例    5.3.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)應(yīng)用實例  5.4 本章小結(jié)  5.5習(xí)題第6章  Boltzmann機(jī)  6.1 隨機(jī)型神經(jīng)網(wǎng)絡(luò)的提出  6.2 Boltzmann機(jī)的網(wǎng)絡(luò)結(jié)構(gòu)  6.3 Bohzmann機(jī)處理單元模型  6.4 Boltzmann機(jī)的能量函數(shù)  6.5 Boltzmann機(jī)的Bollzmann分布  6.6 Boltzmann機(jī)的運行規(guī)則    6.6.1 模擬退火算法    6.6.2 網(wǎng)絡(luò)運行規(guī)則  6.7 Boltzmann機(jī)的學(xué)習(xí)規(guī)則    6.7.1 自聯(lián)想記憶的學(xué)習(xí)規(guī)則    6.7.2 互聯(lián)想記憶的學(xué)習(xí)規(guī)則  6.8 模擬退火算法應(yīng)用實例  6.9 本章小結(jié)  6.10 習(xí)題第7章  自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)  7.1 自組織神經(jīng)網(wǎng)絡(luò)的提出  7.2 競爭學(xué)習(xí)    7.2.1 競爭學(xué)習(xí)的概念    7.2.2 競爭學(xué)習(xí)規(guī)則  7.3 自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)的提出及特點  7.4 ART1神經(jīng)網(wǎng)絡(luò)    7.4.1 ART1神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)    7.4.2 ART1神經(jīng)網(wǎng)絡(luò)處理單元模型    7.4.3 ART1神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則    7.4.4 ART1神經(jīng)網(wǎng)絡(luò)特性分析    7.4.5 ART1神經(jīng)網(wǎng)絡(luò)應(yīng)用實例  7.5 ART2神經(jīng)網(wǎng)絡(luò)    7.5.1 ART2神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)    7.5.2 ART2神經(jīng)網(wǎng)絡(luò)處理單元模型    7.5.3 ART2神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則    7.5.4 ART2神經(jīng)網(wǎng)絡(luò)應(yīng)用實例  7.6 本章小結(jié)  7.7 習(xí)題第8章  人工神經(jīng)網(wǎng)絡(luò)應(yīng)用的設(shè)計開發(fā)  8.1 人工神經(jīng)網(wǎng)絡(luò)應(yīng)用的特點及適用范圍  8.2 人工神經(jīng)網(wǎng)絡(luò)的設(shè)計開發(fā)過程  8.3 人工神經(jīng)網(wǎng)絡(luò)模型的選取  8.4 人工神經(jīng)網(wǎng)絡(luò)模型的設(shè)計    8.4.1 節(jié)點級設(shè)計    8.4.2 網(wǎng)絡(luò)級設(shè)計    8.4.3 訓(xùn)練級設(shè)計  8.5 人工神經(jīng)網(wǎng)絡(luò)模型的實現(xiàn)    8.5.1 準(zhǔn)備樣本數(shù)據(jù)    8.5.2 選取訓(xùn)練樣本    8.5.3 網(wǎng)絡(luò)訓(xùn)練與測試  8.6 本章小結(jié)  8.7 習(xí)題第9章  人工神經(jīng)網(wǎng)絡(luò)的實現(xiàn)  9.1 神經(jīng)網(wǎng)絡(luò)實現(xiàn)技術(shù)概述    9.1.1 神經(jīng)網(wǎng)絡(luò)實現(xiàn)的發(fā)展歷史    9.1.2 神經(jīng)網(wǎng)絡(luò)實現(xiàn)方案的分類  9.2 神經(jīng)網(wǎng)絡(luò)的虛擬實現(xiàn)    9.2.1 基于傳統(tǒng)計算機(jī)的軟件模擬    9.2.2 神經(jīng)網(wǎng)絡(luò)并行多機(jī)系統(tǒng)    9.2.3 神經(jīng)計算加速器  9.3 神經(jīng)網(wǎng)絡(luò)的物理實現(xiàn)    9.3.1 神經(jīng)網(wǎng)絡(luò)的VLSI實現(xiàn)    9.3.2 神經(jīng)網(wǎng)絡(luò)的光學(xué)實現(xiàn)    9.3.3 神經(jīng)網(wǎng)絡(luò)的分子實現(xiàn)  9.4 本章小結(jié)  9.5 習(xí)題第10章  人工神經(jīng)網(wǎng)絡(luò)的發(fā)展  10.1 神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)    10.1.1 基于規(guī)則的專家系統(tǒng)    10.1.2 神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的比較    10.1.3 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)  10.2 神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)    10.2.1 模糊系統(tǒng)    10.2.2 神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)的比較    10.2.3 模糊神經(jīng)網(wǎng)絡(luò)  10.3 本章小結(jié)附錄  附錄A  人工神經(jīng)網(wǎng)絡(luò)的主要研究工作  附錄B  BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)太陽黑子數(shù)量預(yù)測源程序  附錄C  Hopfield神經(jīng)網(wǎng)絡(luò)實現(xiàn)圖像自聯(lián)想記憶源程序  附錄D  模擬退火算法實現(xiàn)TSP源程序  附錄E  ARTl神經(jīng)網(wǎng)絡(luò)源程序參考文獻(xiàn)

章節(jié)摘錄

插圖：顯然，目前所建立的信息處理系統(tǒng)實際上就是模仿生物神經(jīng)網(wǎng)絡(luò)，所以稱為人工神經(jīng)網(wǎng)絡(luò)。但同時也必須注意：盡管人工神經(jīng)網(wǎng)絡(luò)是對大腦結(jié)構(gòu)的模仿，但這種模仿目前還處于較低的水平，它只是對生物神經(jīng)網(wǎng)絡(luò)的簡化、抽象和模擬。目前，關(guān)于人工神經(jīng)網(wǎng)絡(luò)還尚未有一個嚴(yán)格的、統(tǒng)一的定義，不同的科學(xué)家從各個不同側(cè)面指出了人工神經(jīng)網(wǎng)絡(luò)的特點。例如，美國神經(jīng)網(wǎng)絡(luò)學(xué)家Hecht Nielsen關(guān)于人工神經(jīng)網(wǎng)絡(luò)的定義是：“人工神經(jīng)網(wǎng)絡(luò)是由多個非常簡單的處理單元彼此按照某種方式相互連接形成的計算機(jī)系統(tǒng)，該系統(tǒng)是靠其狀態(tài)對外部輸入信息的動態(tài)響應(yīng)來處理信息的。”美國國防部高級研究計劃局關(guān)于人工神經(jīng)網(wǎng)絡(luò)的定義是：“人工神經(jīng)網(wǎng)絡(luò)是一個由許多簡單的并行工作的處理單元組成的系統(tǒng)，其功能取決于網(wǎng)絡(luò)的結(jié)構(gòu)、連接強(qiáng)度以及各個單元的處理方式?！睆囊陨辖忉屩锌梢钥闯?，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)完全不同于一般的計算機(jī)。在一般計算機(jī)中，通常有一個中央處理器，它可以訪問其存儲器。中央處理器可以取一條指令和該指令所需要的數(shù)據(jù)，并執(zhí)行該指令，最后將計算結(jié)果存入指定的存儲單元中，其中的任何動作都按照確定的操作程序，并按照串行方式進(jìn)行。而人工神經(jīng)網(wǎng)絡(luò)中的操作卻不是串行的，也不是預(yù)先確定的，因為它根本沒有確定的存儲器，而是由許多互相連接的簡單處理單元組成的，其中每個處理單元的功能只是計算其所有輸入信號的加權(quán)和，當(dāng)該和值超過一定的閾值時，輸出呈現(xiàn)興奮狀態(tài)（高電平）；和值低于一定的閾值時，輸出呈現(xiàn)抑制狀態(tài)（低電平）。人工神經(jīng)網(wǎng)絡(luò)并不執(zhí)行任何指令序列，它對并行加載的輸入信號按照并行方式進(jìn)行處理和響應(yīng)，結(jié)果也并不保存在特定的存儲單元中，但當(dāng)人工神經(jīng)網(wǎng)絡(luò)達(dá)到某種平衡狀態(tài)后，這個平衡狀態(tài)就是所要的結(jié)果。人工神經(jīng)網(wǎng)絡(luò)的操作通常分為兩類：一類是訓(xùn)練學(xué)習(xí)操作；另一類是正常操作或回憶操作。執(zhí)行訓(xùn)練學(xué)習(xí)操作時，將要教給神經(jīng)網(wǎng)絡(luò)的信息（外部輸入）作為神經(jīng)網(wǎng)絡(luò)的輸入和要求的輸出，使網(wǎng)絡(luò)按照某種規(guī)則（稱為訓(xùn)練算法）調(diào)節(jié)各個處理單元之間的連接權(quán)值，直到在輸入端輸入給定信息，神經(jīng)網(wǎng)絡(luò)能產(chǎn)生給定輸出為止。這時，各個連接權(quán)值已經(jīng)調(diào)節(jié)好，網(wǎng)絡(luò)訓(xùn)練完成。而正常操作過程，是針對已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行的，在為訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)輸入一個信號時，就可以回憶出相應(yīng)的輸出結(jié)果。

編輯推薦

《21世紀(jì)重點大學(xué)規(guī)劃教材?人工神經(jīng)網(wǎng)絡(luò)原理》既可作為計算機(jī)科學(xué)與技術(shù)、電子、通信與自動控制等相關(guān)專業(yè)的研究生和高年級本科生的參考書，也可作為相關(guān)專業(yè)領(lǐng)域的科研人員和工程技術(shù)人員的學(xué)習(xí)參考書。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    人工神經(jīng)網(wǎng)絡(luò)原理 PDF格式下載

---