神經(jīng)網(wǎng)絡(luò)新理論與方法

內(nèi)容概要

　　《神經(jīng)網(wǎng)絡(luò)新理論與方法》介紹了作者所提出的人工神經(jīng)網(wǎng)絡(luò)的新理論與算法（樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)算法與代數(shù)算法），這些理論與算法徹底克服了困擾學(xué)術(shù)界多年的傳統(tǒng)算法的困難（例如局部極小、收斂速度慢、不收斂、難以求得全局最優(yōu)點(diǎn)等困難），其中樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)算法還具有很好的泛化能力?！　∪珪?shū)共有7章，討論了人工神經(jīng)網(wǎng)絡(luò)的概論、基本概念、實(shí)神經(jīng)網(wǎng)絡(luò)的代數(shù)算法、全局最小值分析、復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)的代數(shù)算法、樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)的統(tǒng)計(jì)靈敏度分析?！　　渡窠?jīng)網(wǎng)絡(luò)新理論與方法》邏輯嚴(yán)謹(jǐn)，論述清晰，數(shù)學(xué)推導(dǎo)詳細(xì)，對(duì)于相關(guān)領(lǐng)域的廣大科技工作者、理工科博士、碩士研究生以及高年級(jí)本科生都有很好的參考價(jià)值，也可以作為相關(guān)領(lǐng)域的培訓(xùn)或自學(xué)教材。

作者簡(jiǎn)介

　　張代遠(yuǎn)，男，博士學(xué)位，長(zhǎng)期從事神經(jīng)網(wǎng)絡(luò)和計(jì)算機(jī)體系結(jié)構(gòu)方面的科研和教學(xué)工作，出版專(zhuān)著、教材及教輔書(shū)4部，發(fā)表學(xué)術(shù)論文60余篇，其中不少被國(guó)際權(quán)威機(jī)構(gòu)檢索。作者的主要科研成果如下： 　　神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域：作者提出了樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)算法與代數(shù)算法，這些理論與方法徹底克服了困擾學(xué)術(shù)界多年的傳統(tǒng)算法的局部極小、收斂速度慢、難以求得全局最優(yōu)點(diǎn)等困難。特別是樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)理論與算法具有網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單、泛化能力強(qiáng)等突出優(yōu)點(diǎn)，值得推廣。 　　計(jì)算機(jī)體系結(jié)構(gòu)領(lǐng)域：作者提出了迭加原理，給出了迭加原理的一般形式和遞推形式。根據(jù)迭加原理可以自然地導(dǎo)出獎(jiǎng)態(tài)圖的畫(huà)法規(guī)則。引入主流水線漸近參數(shù)的概念，導(dǎo)出了計(jì)算非線性流水線漸近參數(shù)的公式。作者提出的計(jì)算非線性流水線參數(shù)的公式給出了反映各個(gè)參數(shù)內(nèi)在關(guān)系的數(shù)學(xué)表達(dá)式。

書(shū)籍目錄

第1章 概論 1.1 計(jì)算機(jī)、生物神經(jīng)網(wǎng)絡(luò)與人工神經(jīng)網(wǎng)絡(luò) 1.2 本書(shū)的目的與價(jià)值 1.3 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史簡(jiǎn)介 參考文獻(xiàn) 第2章 人工神經(jīng)元和人工神經(jīng)網(wǎng)絡(luò)的基本概念 2.1 生物學(xué)的啟示 2.2 人工神經(jīng)元模型 2.2.1 單輸入單輸出人工神經(jīng)元2.2.2 多輸入單輸出人工神經(jīng)元2.3 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)第3章 實(shí)神經(jīng)網(wǎng)絡(luò)的代數(shù)算法3.1 引言 3.2 BP算法的缺點(diǎn)與困難 3.3 代數(shù)算法的基本原理3.3.1 符號(hào)與神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)3.3.2 代數(shù)算法的理論與實(shí)現(xiàn)3.4 計(jì)算實(shí)例 3.5 結(jié)論 參考文獻(xiàn) 第4章 全局最小值分析 4.1 引言 4.2 三層前饋網(wǎng)絡(luò)代價(jià)函數(shù)全局最小值分析 4.3 數(shù)值仿真實(shí)驗(yàn) 4.4 結(jié)論 參考文獻(xiàn) 第5章 復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)的代數(shù)算法 5.1 引言 5.2 復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)的概念 5.3 復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)的構(gòu)造5.4 復(fù)數(shù)前饋神經(jīng)網(wǎng)絡(luò)的全局最優(yōu)學(xué)習(xí)算法的基本原理 5.5 隱層神經(jīng)元個(gè)數(shù)的確定以及線性方程組的求解5.5.1 解存在的充分必要條件及隱層神經(jīng)元個(gè)數(shù)的確定 5.5.2 隱層神經(jīng)元函數(shù)的選擇5.5.3 復(fù)自由權(quán)的選擇5.6 本章結(jié)論與數(shù)值仿真實(shí)驗(yàn) 參考文獻(xiàn) 第6章 樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法 6.1 引言 6.2 學(xué)習(xí)曲線 6.3 投影概念與投影方程6.4 第一類(lèi)權(quán)函數(shù)的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與訓(xùn)練算法（和函數(shù)的訓(xùn)練算法） 6.4.1 第一類(lèi)權(quán)函數(shù)的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) 6.4.2 樣條權(quán)函數(shù)方程的建立與求解 6.5 第一類(lèi)權(quán)函數(shù)的訓(xùn)練算法（和函數(shù)的訓(xùn)練算法）的誤差分析 6.6 第一類(lèi)權(quán)函數(shù)的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與訓(xùn)練算法的一般情況（和函數(shù)的訓(xùn)練算法）6.7 第二類(lèi)權(quán)函數(shù)的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與訓(xùn)練算法（積函數(shù)的訓(xùn)練算法） 6.7.1 第二類(lèi)權(quán)函數(shù)的訓(xùn)練算法（積函數(shù)的訓(xùn)練算法）的基本原理 6.7.2 第二類(lèi)權(quán)函數(shù)的訓(xùn)練算法（積函數(shù)的訓(xùn)練算法）的誤差分析 6.8 奇異樣本的概念 6.9 數(shù)值仿真實(shí)驗(yàn) 6.10 結(jié)論 參考文獻(xiàn) 第7章 神經(jīng)網(wǎng)絡(luò)的統(tǒng)計(jì)靈敏度分析7.1 引言 7.2 符號(hào)約定 7.3 靈敏度分析7.3.1 神經(jīng)網(wǎng)絡(luò)誤差的一般計(jì)算公式7.3.2 三層神經(jīng)網(wǎng)絡(luò)的輸出層誤差與靈敏度的計(jì)算7.3.3 INI網(wǎng)絡(luò)的輸出層誤差與靈敏度計(jì)算7.4 數(shù)值仿真實(shí)驗(yàn) 7.5 結(jié)論 參考文獻(xiàn)

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    神經(jīng)網(wǎng)絡(luò)新理論與方法 PDF格式下載

---