面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用

前言

在《面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用》第3版中，首先對(duì)第2版內(nèi)容進(jìn)行了重新整合，將第2版中的感知器、自適應(yīng)線性元件和反向傳播網(wǎng)絡(luò)這3章合為一章——前向神經(jīng)網(wǎng)絡(luò)；然后在第2版的基礎(chǔ)之上，增加了最近5年里有關(guān)人工神經(jīng)網(wǎng)絡(luò)研究中的一些新理論、新進(jìn)展，包括遞歸神經(jīng)網(wǎng)絡(luò)、局部連接神經(jīng)網(wǎng)絡(luò)、隨機(jī)神經(jīng)網(wǎng)絡(luò)及它們的應(yīng)用等；根據(jù)實(shí)際應(yīng)用的情況，在第3版中還刪去了第2版中一些不太實(shí)用的內(nèi)容。在結(jié)構(gòu)安排上，第3版沿襲本書前兩版的特點(diǎn)：每一章的內(nèi)容，按照網(wǎng)絡(luò)構(gòu)造、基本原理、學(xué)習(xí)規(guī)則、訓(xùn)練過程、應(yīng)用局限性的順序進(jìn)行編排。通過多層次、多方面的分析與綜合，深入淺出地闡述了各種不同神經(jīng)網(wǎng)絡(luò)在原理、特性等方面的不同點(diǎn)與相同點(diǎn)，使不同層次、不同水平和階段的讀者都能夠根據(jù)自己的情況了解和掌握人工神經(jīng)網(wǎng)絡(luò)的精髓和相應(yīng)的深度，這使得本書既可以作為教材，也適用于自學(xué)。通過增加的最新內(nèi)容，使得本書作為教材使用時(shí)也具有更加多樣的可選擇性：既可作為本科生教材，也可作為研究生教材；教師可以有重點(diǎn)地選擇感興趣的內(nèi)容來進(jìn)行40學(xué)時(shí)或60學(xué)時(shí)的教學(xué)。在寫作上，第3版仍然保持著前兩版所具有的特點(diǎn)：雖然是在介紹人工神經(jīng)網(wǎng)絡(luò)理論，但敘述盡量做到深入淺出、淺顯易懂，通過采用各種方法，包括理論推導(dǎo)，作圖解釋，不同結(jié)構(gòu)、算法的特點(diǎn)及功能的對(duì)比等，使讀者更容易掌握和理解。并在闡述人工神經(jīng)網(wǎng)絡(luò)理論的基礎(chǔ)上，通過MATLAB環(huán)境下提供的神經(jīng)網(wǎng)絡(luò)工具箱對(duì)一些實(shí)際應(yīng)用問題進(jìn)行求解演示，努力使讀者能夠采用工具箱中的函數(shù)直接設(shè)計(jì)訓(xùn)練網(wǎng)絡(luò)，直觀地通過圖形或訓(xùn)練特性對(duì)神經(jīng)網(wǎng)絡(luò)的功能及其應(yīng)用有一個(gè)深入和透徹的認(rèn)識(shí)。

內(nèi)容概要

本書利用目前國(guó)際上流行通用的MATLAB 7.0環(huán)境，結(jié)合神經(jīng)網(wǎng)絡(luò)工具箱4.0.6版本，分別從網(wǎng)絡(luò)構(gòu)造、基本原理、學(xué)習(xí)規(guī)則以及訓(xùn)練過程和應(yīng)用局限性幾個(gè)方面，通過多層次、多方面的分析與綜合，深入淺出地介紹了人工神經(jīng)網(wǎng)絡(luò)中的各種典型網(wǎng)絡(luò)，以及各種不同神經(jīng)網(wǎng)絡(luò)之間在原理和特性等方面的不同點(diǎn)與相同點(diǎn)。    本書可作為計(jì)算機(jī)、電子學(xué)、信息科學(xué)、通訊以及自動(dòng)控制等專業(yè)的高年級(jí)本科生、研究生以及其他專業(yè)科技人員學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)或MATLAB環(huán)境下神經(jīng)網(wǎng)絡(luò)工具箱時(shí)的教材或參考書。

書籍目錄

第3版前言第2版前言前言第1章  概述  1.1  人工神經(jīng)網(wǎng)絡(luò)概念的提出  1.2  神經(jīng)細(xì)胞以及人工神經(jīng)元的組成  1.3  人工神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域  1.4  人工神經(jīng)網(wǎng)絡(luò)發(fā)展的回顧  1.5  人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與模型    1.5.1  人工神經(jīng)元的模型    1.5.2  激活轉(zhuǎn)移函數(shù)    1.5.3  單層神經(jīng)元網(wǎng)絡(luò)模型結(jié)構(gòu)    1.5.4  多層神經(jīng)網(wǎng)絡(luò)    1.5.5  遞歸神經(jīng)網(wǎng)絡(luò)  1.6  用MATLAB計(jì)算人工神經(jīng)網(wǎng)絡(luò)輸出  1.7  本章小結(jié)  習(xí)題第2章  前向神經(jīng)網(wǎng)絡(luò)  2.1  感知器    2.1.1  感知器的網(wǎng)絡(luò)結(jié)構(gòu)    2.1.2  感知器的圖形解釋    2.1.3  感知器的學(xué)習(xí)規(guī)則    2.1.4  網(wǎng)絡(luò)的訓(xùn)練    2.1.5  感知器的局限性    2.1.6  “異或”問題    2.1.7  解決線性可分性限制的辦法    2.1.8  本節(jié)小結(jié)  2.2  自適應(yīng)線性元件    2.2.1  自適應(yīng)線性神經(jīng)元模型和結(jié)構(gòu)    2.2.2  W-H學(xué)習(xí)規(guī)則    2.2.3  網(wǎng)絡(luò)訓(xùn)練    2.2.4  例題與分析    2.2.5  對(duì)比與分析    2.2.6  單步延時(shí)線及其自適應(yīng)濾波器的實(shí)現(xiàn)    2.2.7  自適應(yīng)線性網(wǎng)絡(luò)的應(yīng)用    2.2.8  本節(jié)小結(jié)  2.3  反向傳播網(wǎng)絡(luò)    2.3.1  BP網(wǎng)絡(luò)模型與結(jié)構(gòu)    2.3.2  BP學(xué)習(xí)規(guī)則    2.3.3  BP網(wǎng)絡(luò)的訓(xùn)練及其設(shè)計(jì)過程    2.3.4  BP網(wǎng)絡(luò)的設(shè)計(jì)    2.3.5  限制與不足    2.3.6  反向傳播法的改進(jìn)方法    2.3.7  基于數(shù)值優(yōu)化方法的網(wǎng)絡(luò)訓(xùn)練算法    2.3.8  數(shù)值實(shí)例對(duì)比    2.3.9  本節(jié)小結(jié)  習(xí)題第3章  遞歸神經(jīng)網(wǎng)絡(luò)  3.1  各種遞歸神經(jīng)網(wǎng)絡(luò)    3.1.1  全局反饋型遞歸神經(jīng)網(wǎng)絡(luò)    3.1.2  前向遞歸神經(jīng)網(wǎng)絡(luò)    3.1.3  混合型網(wǎng)絡(luò)    3.1.4  本節(jié)小結(jié)  3.2  全局反饋遞歸網(wǎng)絡(luò)    3.2.1  霍普菲爾德網(wǎng)絡(luò)模型    3.2.2  狀態(tài)軌跡    3.2.3  離散型霍普菲爾德網(wǎng)絡(luò)    3.2.4  連續(xù)型霍普菲爾德網(wǎng)絡(luò)    3.2.5  本節(jié)小結(jié)  3.3  Elman網(wǎng)絡(luò)    3.3.1  網(wǎng)絡(luò)結(jié)構(gòu)及其輸入輸出關(guān)系式    3.3.2  修正網(wǎng)絡(luò)權(quán)值的學(xué)習(xí)算法    3.3.3  穩(wěn)定性推導(dǎo)    3.3.4  對(duì)穩(wěn)定性結(jié)論的分析    3.3.5  對(duì)角遞歸網(wǎng)絡(luò)穩(wěn)定時(shí)學(xué)習(xí)速率的確定    3.3.6  本節(jié)小結(jié)  3.4  對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)    3.4.1  網(wǎng)絡(luò)結(jié)構(gòu)及其輸入輸出關(guān)系式    3.4.2  網(wǎng)絡(luò)的穩(wěn)定性分析    3.4.3  進(jìn)一步的討論    3.4.4  數(shù)值實(shí)例    3.4.5  本節(jié)小結(jié)  3.5  局部遞歸神經(jīng)網(wǎng)絡(luò)    3.5.1  PIDNNC的設(shè)計(jì)    3.5.2  閉環(huán)控制系統(tǒng)穩(wěn)定性分析    3.5.3  實(shí)時(shí)在線控制策略的設(shè)計(jì)步驟    3.5.4  數(shù)值應(yīng)用    3.5.5  本節(jié)小結(jié)  習(xí)題第4章  局部連接神經(jīng)網(wǎng)絡(luò)  4.1  徑向基函數(shù)網(wǎng)絡(luò)    4.1.1  徑向基函數(shù)及其網(wǎng)絡(luò)分析    4.1.2  網(wǎng)絡(luò)的訓(xùn)練與設(shè)計(jì)    4.1.3  廣義徑向基函數(shù)網(wǎng)絡(luò)    4.1.4  數(shù)字應(yīng)用對(duì)比及性能分析    4.1.5  本節(jié)小結(jié)  4.2  B樣條基函數(shù)及其網(wǎng)絡(luò)  4.3  CMAC神經(jīng)網(wǎng)絡(luò)    4.3.1  CMAC網(wǎng)絡(luò)基本結(jié)構(gòu)    4.3.2  CMAC的學(xué)習(xí)算法  4.4局  部神經(jīng)網(wǎng)絡(luò)的性能對(duì)比分析    4.4.1  CMAC、B樣條和RBF共有的結(jié)構(gòu)特點(diǎn)    4.4.2  CMAC、B樣條和RBF的不同之處  4.5  K型局部連接神經(jīng)網(wǎng)絡(luò)    4.5.1  網(wǎng)絡(luò)結(jié)構(gòu)與權(quán)值修正法    4.5.2  網(wǎng)絡(luò)特性分析    4.5.3  數(shù)字應(yīng)用對(duì)比及性能分析    4.5.4  本節(jié)小結(jié)  習(xí)題第5章  自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)  5.1  幾種聯(lián)想學(xué)習(xí)規(guī)則    5.1.1  內(nèi)星學(xué)習(xí)規(guī)則    5.1.2  外星學(xué)習(xí)規(guī)則    5.1.3  科荷倫學(xué)習(xí)規(guī)則  5.2  自組織競(jìng)爭(zhēng)網(wǎng)絡(luò)    5.2.1  網(wǎng)絡(luò)結(jié)構(gòu)    5.2.2  競(jìng)爭(zhēng)學(xué)習(xí)規(guī)則    5.2.3  競(jìng)爭(zhēng)網(wǎng)絡(luò)的訓(xùn)練過程  5.3  科荷倫自組織映射網(wǎng)絡(luò)    5.3.1  科荷倫網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)    5.3.2  網(wǎng)絡(luò)的訓(xùn)練過程  5.4  自適應(yīng)共振理論    5.4.1  ART-1網(wǎng)絡(luò)結(jié)構(gòu)    5.4.2  ART-1的運(yùn)行過程    5.4.3  ART-2神經(jīng)網(wǎng)絡(luò)  5.5  本章小結(jié)  習(xí)題第6章  隨機(jī)神經(jīng)網(wǎng)絡(luò)  6.1  概述    6.1.1  隨機(jī)神經(jīng)網(wǎng)絡(luò)的發(fā)展    6.1.2  GNN模型描述    6.1.3  RNN的學(xué)習(xí)算法    6.1.4  RNN的應(yīng)用    6.1.5  其他隨機(jī)網(wǎng)絡(luò)    6.1.6  研究前景  6.2  用Boltzmann機(jī)求解典型NP優(yōu)化問題TSP    6.2.1  Boltzmann機(jī)網(wǎng)絡(luò)模型及其權(quán)值修正規(guī)則    6.2.2  用Boltzmann機(jī)網(wǎng)絡(luò)解TSP    6.2.3  Boltzmann機(jī)與Hopfield網(wǎng)絡(luò)解TSP的對(duì)比    6.2.4  本節(jié)小結(jié)  6.3  隨機(jī)神經(jīng)網(wǎng)絡(luò)算法改進(jìn)及其應(yīng)用    6.3.1  DRNN解TSP的參數(shù)推導(dǎo)和改進(jìn)方法    6.3.2  DRNN網(wǎng)絡(luò)解TSP改進(jìn)方法的實(shí)驗(yàn)對(duì)比    6.3.3  本節(jié)小結(jié)  6.4  采用DRNN網(wǎng)絡(luò)優(yōu)化求解的對(duì)比研究    6.4.1  DRNN與Hopfield網(wǎng)絡(luò)求解TSP的理論分析    6.4.2  DRNN與Hopfield網(wǎng)絡(luò)解TSP的實(shí)驗(yàn)對(duì)比    6.4.3  本節(jié)小結(jié)  習(xí)題第7章  面向工具箱的神經(jīng)網(wǎng)絡(luò)實(shí)際應(yīng)用  7.1  綜述    7.1.1  神經(jīng)網(wǎng)絡(luò)技術(shù)的選用    7.1.2  神經(jīng)網(wǎng)絡(luò)各種模型的應(yīng)用范圍    7.1.3  網(wǎng)絡(luò)設(shè)計(jì)的基本原則  7.2  神經(jīng)網(wǎng)絡(luò)在控制系統(tǒng)中的應(yīng)用    7.2.1  反饋線性化    7.2.2  問題的提出    7.2.3  神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)  7.3  利用神經(jīng)網(wǎng)絡(luò)進(jìn)行字母的模式識(shí)別    7.3.1  問題的闡述    7.3.2神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)  7.4  用于字符識(shí)別的三種人工神經(jīng)網(wǎng)絡(luò)的性能對(duì)比    7.4.1  用于字母識(shí)別的感知器網(wǎng)絡(luò)    7.4.2  用于字母識(shí)別的霍普菲爾德網(wǎng)絡(luò)    7.4.3  字母識(shí)別實(shí)驗(yàn)及其結(jié)果分析附錄A  MATLAB 7.1神經(jīng)網(wǎng)絡(luò)工具箱4.0.6函數(shù)一覽表附錄B  程序目錄參考文獻(xiàn)

章節(jié)摘錄

第1章 概述1.1 人工神經(jīng)網(wǎng)絡(luò)概念的提出人腦是宇宙中已知最復(fù)雜、最完善和最有效的信息處理系統(tǒng)，是生物進(jìn)化的最高產(chǎn)物，是人類智能、思維和情緒等高級(jí)精神活動(dòng)的物質(zhì)基礎(chǔ)，也是人類認(rèn)識(shí)較少的領(lǐng)域之一。長(zhǎng)期以來，人們不斷地通過神經(jīng)學(xué)、生物學(xué)、心理學(xué)、認(rèn)知學(xué)、數(shù)學(xué)、電子學(xué)和計(jì)算機(jī)科學(xué)等一系列學(xué)科，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行分析和研究，企圖揭示人腦的工作機(jī)理，了解神經(jīng)系統(tǒng)進(jìn)行信息處理的本質(zhì)，并通過對(duì)人腦結(jié)構(gòu)及其信息處理方式的研究，利用大腦神經(jīng)網(wǎng)絡(luò)的一些特性，設(shè)計(jì)出具有類似大腦某些功能的智能系統(tǒng)來處理各種信息，解決不同問題。用機(jī)器代替人腦的部分勞動(dòng)是當(dāng)今科學(xué)技術(shù)發(fā)展的重要標(biāo)志。計(jì)算機(jī)就是采用電子元件的組合來完成人腦的某些記憶、計(jì)算和判斷功能的系統(tǒng)?，F(xiàn)代計(jì)算機(jī)中，每個(gè)電子元件的計(jì)算速度為納秒（10-9秒）級(jí)，而人腦中每個(gè)神經(jīng)細(xì)胞的反應(yīng)時(shí)間只有毫秒（101秒）級(jí)。然而在進(jìn)行諸如記憶回溯、語(yǔ)言理解、直覺推理、圖像識(shí)別等決策過程中，人腦往往只需要一秒鐘左右的時(shí)間就可以完成復(fù)雜的處理。換句話說，腦神經(jīng)細(xì)胞做出決定需要的運(yùn)算不超過100步，范德曼（J.A.Feldman）稱之為100步程序長(zhǎng)度。顯然，任何現(xiàn)代串行計(jì)算機(jī)絕不可能在100步運(yùn)算中完成類似上述的一些任務(wù)。由此人們希望去追求一種新型的信號(hào)處理系統(tǒng)，它既有超越人的計(jì)算能力，又有類似于人的識(shí)別、判斷、聯(lián)想和決策的能力。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，簡(jiǎn)稱ANN）正是在人類對(duì)其大腦神經(jīng)網(wǎng)絡(luò)認(rèn)識(shí)理解的基礎(chǔ)上人工構(gòu)造的能夠?qū)崿F(xiàn)某種功能的神經(jīng)網(wǎng)絡(luò)。它是理論化的人腦神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型，是基于模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)。它實(shí)際上是一個(gè)由大量簡(jiǎn)單元件相互連接而成的復(fù)雜網(wǎng)絡(luò)，具有高度的非線性，能夠進(jìn)行復(fù)雜的邏輯操作和非線性關(guān)系實(shí)現(xiàn)的系統(tǒng)。

編輯推薦

《面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用》最主要的特點(diǎn)在于在闡述最典型的人工神經(jīng)網(wǎng)絡(luò)理論的基礎(chǔ)上，通過MATLAB環(huán)境下提供的神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行例題的演示與應(yīng)用，從而使得初學(xué)者能夠直觀地通過或圖形或訓(xùn)練特性對(duì)神經(jīng)網(wǎng)絡(luò)的功能及其應(yīng)用有較深入和透徹的了解，同時(shí)也更加有助于問題的解決。

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用 PDF格式下載

---