神經(jīng)網(wǎng)絡(luò)理論

內(nèi)容概要

　　《神經(jīng)網(wǎng)絡(luò)理論》從建造高性能計(jì)算機(jī)的觀點(diǎn)出發(fā)，討論了神經(jīng)網(wǎng)絡(luò)的作用，詳細(xì)分析了多層前饋網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)、學(xué)習(xí)算法和故障診斷問(wèn)題。全書(shū)共分4篇：第1篇重點(diǎn)討論前饋網(wǎng)絡(luò)的各種典型結(jié)構(gòu)；第2篇討論神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的一些理論問(wèn)題；第3篇研究具體的學(xué)習(xí)算法；第4篇討論神經(jīng)網(wǎng)絡(luò)的可靠性及故障診斷?！渡窠?jīng)網(wǎng)絡(luò)理論》理論分析深入，并有不少具體實(shí)例，每章后面都附有俄羅斯學(xué)者在神經(jīng)網(wǎng)絡(luò)研究方面的大量文獻(xiàn)?！　　渡窠?jīng)網(wǎng)絡(luò)理論》可作為從事神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用，以及從事模式識(shí)別領(lǐng)域研究的科技工作者的自學(xué)參考書(shū)，也可作為相關(guān)專業(yè)研究生的教學(xué)參考書(shū)?！　≡瓡?shū)在俄羅斯被推薦為高年級(jí)大學(xué)生及研究生的教學(xué)用書(shū)。

書(shū)籍目錄

引言第1篇神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)第1章從布爾元件的邏輯基礎(chǔ)向閾值邏輯基礎(chǔ)的過(guò)渡1.1線性閾值單元（神經(jīng)元）1.2多閾值邏輯1.3連續(xù)邏輯1.4激活函數(shù)的形式參考文獻(xiàn)第2章神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的定性分析2.l神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的幾種形式2.2有順序前向連接的多層網(wǎng)絡(luò)2.3多層網(wǎng)絡(luò)的結(jié)構(gòu)及其符號(hào)表示參考文獻(xiàn)第3章有跨越連接的多層網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化3.1關(guān)于問(wèn)題復(fù)雜性的準(zhǔn)則3.2有跨越連接的一維輸人網(wǎng)絡(luò)的方案3.3類區(qū)數(shù)上限與下限的估計(jì)3.4結(jié)構(gòu)優(yōu)化問(wèn)題的一些特例3.5根據(jù)某種拓?fù)涮匦赃M(jìn)行的網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化3.6有幾個(gè)輸出值的網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化參考文獻(xiàn)第4章連續(xù)神經(jīng)網(wǎng)絡(luò)4.1輸人特征為連續(xù)的神經(jīng)元4.2取連續(xù)值的層中神經(jīng)元4.3有離散特征的連續(xù)神經(jīng)元層4.4神經(jīng)元的連續(xù)模型的分類參考文獻(xiàn)第2篇神經(jīng)網(wǎng)路的最優(yōu)模型第5章神經(jīng)網(wǎng)絡(luò)輸入信號(hào)特性的研究5.1問(wèn)題的提出5.2有兩類樣本時(shí)輸人信號(hào)的聯(lián)合概率分布5.3有K類樣本時(shí)輸人信號(hào)的聯(lián)合概率分布參考文獻(xiàn)第6章建造神經(jīng)網(wǎng)絡(luò)的最優(yōu)模型6.1最優(yōu)模型的一般結(jié)構(gòu)6.2典型神經(jīng)網(wǎng)絡(luò)分界面的解析表達(dá)6.3多維E（n）及y（n）時(shí)的最優(yōu)模型6.4自學(xué)習(xí)狀態(tài)下神經(jīng)網(wǎng)絡(luò)輸人信號(hào)的先驗(yàn)信息6.5自學(xué)習(xí)狀態(tài)下網(wǎng)絡(luò)的一次優(yōu)化準(zhǔn)則6.6在有任意技術(shù)等級(jí)的教師和自學(xué)習(xí)狀態(tài)下網(wǎng)絡(luò)的最優(yōu)模型參考文獻(xiàn)第7章開(kāi)環(huán)神經(jīng)網(wǎng)絡(luò)的分析7.1神經(jīng)網(wǎng)絡(luò)的模擬量和離散量誤差的分布規(guī)律7.2二次優(yōu)化泛函的選擇7.3系統(tǒng)"Adline"中二次優(yōu)化泛函的選擇7.4對(duì)應(yīng)給定一次優(yōu)化準(zhǔn)則二次優(yōu)化準(zhǔn)則的形成7.5連續(xù)型神經(jīng)網(wǎng)絡(luò)7.6在有任意技術(shù)等級(jí)的教師和自學(xué)習(xí)狀態(tài)下的神經(jīng)網(wǎng)絡(luò)參考文獻(xiàn)第8章多變量函數(shù)極值的搜索算法8.1多層神經(jīng)網(wǎng)絡(luò)二次優(yōu)化泛函極值的搜索過(guò)程8.2有關(guān)多變量函數(shù)迭代搜索法的分析8.3隨機(jī)逼近法8.4對(duì)變量有等式約束的多變量函數(shù)極值進(jìn)行搜索的迭代方法8.5變量有不等式約束時(shí)多變量函數(shù)尋優(yōu)的迭代法8.6多變量函數(shù)的局部和全局最優(yōu)點(diǎn)的隨機(jī)搜索算法8.7使用二次優(yōu)化泛函的二階導(dǎo)數(shù)估計(jì)值的自適應(yīng)算法參考文獻(xiàn)第3篇自適應(yīng)神經(jīng)網(wǎng)絡(luò)第9章神經(jīng)網(wǎng)絡(luò)的調(diào)整算法9.1問(wèn)題的提出9.2有二值及連續(xù)輸出的神經(jīng)元9.3兩層網(wǎng)絡(luò)9.4由連續(xù)輸出神經(jīng)元構(gòu)成的多層網(wǎng)絡(luò)9.5變量存在約束的閉環(huán)調(diào)整的神經(jīng)網(wǎng)絡(luò)的構(gòu)造9.6有二值輸出的網(wǎng)絡(luò)的一次優(yōu)化準(zhǔn)則的實(shí)現(xiàn)9.7有連續(xù)輸人和幾種輸出神經(jīng)網(wǎng)絡(luò)中平均風(fēng)險(xiǎn)最小化的實(shí)現(xiàn)9.8有N*個(gè)輸出通道的神經(jīng)網(wǎng)絡(luò)中平均風(fēng)險(xiǎn)最小化的實(shí)現(xiàn)9.9多層神經(jīng)網(wǎng)絡(luò)中平均風(fēng)險(xiǎn)最小化的實(shí)現(xiàn)9.10輸人為非平穩(wěn)樣本時(shí)閉環(huán)神經(jīng)網(wǎng)絡(luò)的構(gòu)造9.11帶跨越或反饋連接的閉環(huán)調(diào)整的神經(jīng)網(wǎng)絡(luò)的構(gòu)造9.12自學(xué)習(xí)與有任意技術(shù)等級(jí)教師的閉環(huán)神經(jīng)網(wǎng)絡(luò)9.13二次優(yōu)化泛函的二階導(dǎo)數(shù)的估計(jì)參考文獻(xiàn)第10章連續(xù)型神經(jīng)網(wǎng)絡(luò)的調(diào)整10.1有連續(xù)特征的網(wǎng)絡(luò)的調(diào)整10.2層中神經(jīng)元為連續(xù)時(shí)權(quán)值的調(diào)整10.3連續(xù)神經(jīng)元層網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程中參數(shù)矩陣的選取10.4有連續(xù)特征并基于給定隨機(jī)樣本時(shí)參數(shù)K*（i，j）的選擇10.5連續(xù)兩層網(wǎng)絡(luò)調(diào)整算法的特點(diǎn)10.6連續(xù)神經(jīng)元層權(quán)函數(shù)的3種實(shí)現(xiàn)方案及相應(yīng)的學(xué)習(xí)過(guò)程10.7兩層連續(xù)神經(jīng)網(wǎng)絡(luò)中使用二次優(yōu)化泛函a2g的學(xué)習(xí)算法10.8有分段常數(shù)權(quán)函數(shù)的連續(xù)神經(jīng)元層10.9帶分段線性權(quán)函數(shù)的連續(xù)神經(jīng)元層10.10帶分段常數(shù)權(quán)函數(shù)的連續(xù)神經(jīng)元層的網(wǎng)絡(luò)參考文獻(xiàn)第11章調(diào)整神經(jīng)網(wǎng)絡(luò)時(shí)初值的選擇及多層網(wǎng)絡(luò)的典型輸入信號(hào)11.1初始條件的選擇方法11.2確定性選擇初值的算法11.3多層神經(jīng)網(wǎng)絡(luò)中初始條件的選擇11.4多層神經(jīng)網(wǎng)絡(luò)的典型輸人信號(hào)參考文獻(xiàn)第12章閉環(huán)多層神經(jīng)網(wǎng)絡(luò)的研究12.1閉環(huán)調(diào)整的多層神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)問(wèn)題的提出12.2輸人信號(hào)是多峰分布時(shí)神經(jīng)元特性的研究12.3識(shí)別非平穩(wěn)樣本的神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)研究12.4學(xué)習(xí)狀態(tài)下三層神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)研究12.5有反饋網(wǎng)絡(luò)的一些特例的研究12.6自學(xué)習(xí)狀態(tài)下單層神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)研究12.7自學(xué)習(xí)狀態(tài)下的兩層神經(jīng)網(wǎng)絡(luò)12.8閉環(huán)多層神經(jīng)網(wǎng)絡(luò)調(diào)整算法中一些有關(guān)參數(shù)矩陣選擇的工程方法12.9用于解決矩陣變換問(wèn)題的多層神經(jīng)網(wǎng)絡(luò)的構(gòu)造12.10用于把二進(jìn)制數(shù)轉(zhuǎn)換為十進(jìn)制數(shù)的多層神經(jīng)網(wǎng)絡(luò)12.11有任意教師等級(jí)的多層網(wǎng)絡(luò)的研究12.12對(duì)閉環(huán)調(diào)整的神經(jīng)網(wǎng)絡(luò)進(jìn)行研究的解析方法參考文獻(xiàn)第13章可變結(jié)構(gòu)多層神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)13.l第1層神經(jīng)元的順序?qū)W習(xí)算法13.2使用隨機(jī)法搜索局部及全局極值的多層神經(jīng)網(wǎng)絡(luò)中第1層神經(jīng)元的學(xué)習(xí)算法13.3超平面數(shù)增多時(shí)有關(guān)算法收斂性的分析13.4兩層神經(jīng)網(wǎng)絡(luò)中第2層神經(jīng)元的學(xué)習(xí)13.53層神經(jīng)網(wǎng)絡(luò)中第2層和第3層神經(jīng)元的學(xué)習(xí)13.6對(duì)多層神經(jīng)網(wǎng)絡(luò)做依次調(diào)整的一般方法13.7有連續(xù)特征的多層神經(jīng)網(wǎng)絡(luò)中第1層神經(jīng)元的學(xué)習(xí)方法13.8用調(diào)整變結(jié)構(gòu)多層神經(jīng)網(wǎng)絡(luò)的方法解決初始條件的選擇問(wèn)題13.9變結(jié)構(gòu)多層神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)算法參考文獻(xiàn)第14章多層神經(jīng)網(wǎng)絡(luò)中有效特征的選擇14.1學(xué)習(xí)狀態(tài)下特征選擇問(wèn)題的提出14.2固定結(jié)構(gòu)的多層神經(jīng)網(wǎng)絡(luò)中特征提取的結(jié)構(gòu)方法14.3用于選擇有效特征的第1層神經(jīng)元順次調(diào)整的多層神經(jīng)網(wǎng)絡(luò)14.4神經(jīng)元數(shù)的最少化14.5自學(xué)習(xí)狀態(tài)下多層神經(jīng)網(wǎng)絡(luò)中有效特征的選取參考文獻(xiàn)第4篇神經(jīng)網(wǎng)絡(luò)的可靠性及故障診斷第15章神經(jīng)網(wǎng)絡(luò)的可靠性15.1神經(jīng)網(wǎng)絡(luò)功能可靠性的研究方法15.2用多層神經(jīng)網(wǎng)絡(luò)形式實(shí)現(xiàn)組織自恢復(fù)時(shí)功能可靠性的研究15.3多層神經(jīng)網(wǎng)絡(luò)功能可靠性的研究15.4神經(jīng)網(wǎng)絡(luò)參數(shù)可靠性的研究15.5災(zāi)難性故障發(fā)生時(shí)多層神經(jīng)網(wǎng)絡(luò)功能可靠性的研究參考文獻(xiàn)第16章神經(jīng)網(wǎng)絡(luò)的故障診斷16.l神經(jīng)網(wǎng)絡(luò)的狀態(tài)圖.基本概念及定義16.2神經(jīng)網(wǎng)絡(luò)中故障定位的算法16.3神經(jīng)元輸出端有邏輯常數(shù)故障時(shí)構(gòu)造最少測(cè)試點(diǎn)的算法16.4神經(jīng)網(wǎng)絡(luò)的自適應(yīng)故障診斷方法參考文獻(xiàn)結(jié)論參考文獻(xiàn)

圖書(shū)封面

評(píng)論、評(píng)分、閱讀與下載

---

    神經(jīng)網(wǎng)絡(luò)理論 PDF格式下載

---