出版時(shí)間:2005-4 出版社:羅曉曙 廣西師范大學(xué)出版社 (2005-04出版) 作者:羅曉曙 編
Tag標(biāo)簽:無(wú)
前言
20世紀(jì)80年代以來(lái),以美國(guó)為代表,掀起了一股人工神經(jīng)網(wǎng)絡(luò)研究的熱潮。人工神經(jīng)網(wǎng)絡(luò)具有超高維、強(qiáng)非線性、自學(xué)習(xí)、自適應(yīng)、自組織和并行處理等眾多獨(dú)特的性能和優(yōu)點(diǎn),使其在許多實(shí)際應(yīng)用領(lǐng)域:如系統(tǒng)辨識(shí)、自動(dòng)控制、故障診斷、模式識(shí)別、組合優(yōu)化、通信和語(yǔ)音及圖像、信號(hào)處理中得到廣泛的應(yīng)用并取得了顯著成效,能夠解決傳統(tǒng)方法極難求解的一些問(wèn)題,如旅行推銷員問(wèn)題(TSP問(wèn)題)。人工神經(jīng)網(wǎng)絡(luò)是一門新興的交叉科學(xué),它源于當(dāng)代幾種著名的科學(xué)理論,如計(jì)算神經(jīng)理論、統(tǒng)計(jì)物理中非平衡系統(tǒng)的自組織理論及分形與混沌理論。這門學(xué)科的出現(xiàn)不是偶然的,一方面是科學(xué)和工程的廣泛領(lǐng)域出于自身發(fā)展的需要,例如自動(dòng)控制領(lǐng)域中人們遇到了日益復(fù)雜的控制系統(tǒng)(時(shí)變、非線性、多變量控制系統(tǒng))及越來(lái)越高的控制要求,使得傳統(tǒng)的控制方法遇到了極大的挑戰(zhàn);人工智能和計(jì)算機(jī)科學(xué)也出現(xiàn)了很多困難,這促使人們?nèi)ピ噲D模擬人腦的優(yōu)異功能來(lái)解決傳統(tǒng)方法遇到的問(wèn)題。另一方面是有關(guān)交叉學(xué)科,如腦科學(xué)、認(rèn)知科學(xué)、統(tǒng)計(jì)物理、分形與混沌理論等取得了長(zhǎng)足的發(fā)展,為人工神經(jīng)網(wǎng)絡(luò)理論的形成打下了堅(jiān)實(shí)的基礎(chǔ)。
內(nèi)容概要
《人工神經(jīng)網(wǎng)絡(luò)理論·模型·算法與應(yīng)用》由神經(jīng)網(wǎng)絡(luò)的原理和神經(jīng)網(wǎng)絡(luò)的應(yīng)用兩部分組成。第一部分闡述了當(dāng)前最具體表性的幾種神經(jīng)網(wǎng)絡(luò)模型,如前饋多層神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)和混沌神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、特點(diǎn)和學(xué)習(xí)算法。第二部分介紹了神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識(shí)、自動(dòng)控制、神經(jīng)網(wǎng)絡(luò)控制混沌等方面的應(yīng)用。
《人工神經(jīng)網(wǎng)絡(luò)理論·模型·算法與應(yīng)用》可作為自動(dòng)控制、電路與系統(tǒng)、計(jì)算機(jī)、信息處理、物理等專業(yè)的研究生教材和高年級(jí)本科生選修課教材,也可供有關(guān)科研人員參考。
書籍目錄
第一章 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)概論1.1 神經(jīng)網(wǎng)絡(luò)理論形成的科學(xué)背景1.2 神經(jīng)網(wǎng)絡(luò)理論的發(fā)展歷史與趨勢(shì)1.2.1 早期階段1.2.2 20世紀(jì)70年代的過(guò)渡期1.2.3 20世紀(jì)80年代的高潮期1.2.4 目前的研究狀況和方向1.3 人工神經(jīng)網(wǎng)絡(luò)的生物學(xué)基礎(chǔ)和人工神經(jīng)元模型1.3.1 神經(jīng)網(wǎng)絡(luò)的生物學(xué)基礎(chǔ)1.3.2 人工神經(jīng)元模型1.4 神經(jīng)網(wǎng)絡(luò)模型的定義和結(jié)構(gòu)1.4.1 神經(jīng)網(wǎng)絡(luò)模型的定義1.4.2 神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)1.5 人工神經(jīng)網(wǎng)絡(luò)計(jì)算和傳統(tǒng)計(jì)算的特點(diǎn)比較1.6 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則與實(shí)現(xiàn)1.6.1 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則1.6.2 神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)1.7 神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域第二章 前饋神經(jīng)網(wǎng)絡(luò)2.1 感知器2.1.1 單層感知器的網(wǎng)絡(luò)結(jié)構(gòu)2.1.2 單層感知器的表征能力與線性可分性.2.1.3 感知器的學(xué)習(xí)算法2.2 前饋型BP神經(jīng)網(wǎng)絡(luò)2.2.1 BP網(wǎng)絡(luò)的結(jié)構(gòu)2.2.2 BP網(wǎng)絡(luò)的分類能力2.3 BP網(wǎng)絡(luò)的學(xué)習(xí)算法2.3.1 誤差反向傳播學(xué)習(xí)算法(EBP)2.3.2 EBP算法的缺點(diǎn)與改進(jìn)2.3.3 模擬退火算法2.3.4 遺傳算法2.4 前饋型多層網(wǎng)絡(luò)的映射能力與逼近能力2.4.1 前饋網(wǎng)絡(luò)的映射能力2.4.2 前饋網(wǎng)絡(luò)的逼近能力2.5 BP網(wǎng)絡(luò)的設(shè)計(jì)討論2.6 BP學(xué)習(xí)算法的VC++語(yǔ)言編程及有關(guān)結(jié)果2.6.1 EBP學(xué)習(xí)算法實(shí)現(xiàn)異或分類的C++語(yǔ)言程序2.6.2 運(yùn)行結(jié)果2.7 BP神經(jīng)網(wǎng)絡(luò)小結(jié)2.8 徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)2.8.1 RBF神經(jīng)網(wǎng)絡(luò)的生物學(xué)背景與結(jié)構(gòu)2.8.2 RBF網(wǎng)絡(luò)的學(xué)習(xí)算法2.9 小波神經(jīng)網(wǎng)絡(luò)2.9.1 小波函數(shù)的定義2.9.2 小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)2.9.3 小波神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)和學(xué)習(xí)算法2.10 小腦模型神經(jīng)網(wǎng)絡(luò)2.10.1 CMAC網(wǎng)絡(luò)的結(jié)構(gòu)2.10.2 CMAC網(wǎng)絡(luò)的學(xué)習(xí)算法2.11 FLAT神經(jīng)網(wǎng)絡(luò)2.11.1 FLAT神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)2.11.2 FLAT神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法2.12 用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)EEG信號(hào)的預(yù)測(cè)2.12.1 預(yù)測(cè)原理及其模型2.12.2 RBF網(wǎng)絡(luò)徑向基函數(shù)的改進(jìn)2.12.3 數(shù)據(jù)處理結(jié)果及討論第三章 反饋神經(jīng)網(wǎng)絡(luò)3.1 概述3.2 離散Hopfield神經(jīng)網(wǎng)絡(luò)3.2.1 網(wǎng)絡(luò)的結(jié)構(gòu)及工作方式3.2.2 網(wǎng)絡(luò)的能量函數(shù)與穩(wěn)定性分析3.2.3 網(wǎng)絡(luò)的聯(lián)想記憶和記憶容量3.3 連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)3.3.1 網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)3.3.2 CHNN的能量函數(shù)與穩(wěn)定性分析3.4 連續(xù)Hopfield網(wǎng)絡(luò)用于組合優(yōu)化問(wèn)題的求解3.4.1 基于連續(xù)Hopfield網(wǎng)絡(luò)求解TSP問(wèn)題3.4.2 算法的具體實(shí)現(xiàn)及計(jì)算結(jié)果3.4.3 基于Hopfield網(wǎng)絡(luò)的A/D轉(zhuǎn)換器3.5 Hopfield神經(jīng)網(wǎng)絡(luò)運(yùn)行的C語(yǔ)言程序3.6 隨機(jī)神經(jīng)網(wǎng)絡(luò)3.6.1 Boltzman機(jī)3.7 遞歸神經(jīng)網(wǎng)絡(luò)第四章 自組織神經(jīng)網(wǎng)絡(luò)4.1 概述4.2 自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)4.2.1 基本競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)規(guī)則4.2.2 抑制競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)規(guī)則4.3 自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)4.3.1 ART神經(jīng)網(wǎng)絡(luò)的主要優(yōu)點(diǎn)4.3.2 ART-1的基本原理4.3.3 ART-1神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法4.3.4 ART-2神經(jīng)網(wǎng)絡(luò)4.3.5 ART-2神經(jīng)網(wǎng)絡(luò)小結(jié)4.4 Kohonen自組織特征映射網(wǎng)絡(luò)及其學(xué)習(xí)算法4.4.1 SOFM網(wǎng)絡(luò)結(jié)構(gòu)4.4.2 Kohonen自組織映射算法4.4.3 學(xué)習(xí)速率函數(shù)和連接權(quán)初值確定問(wèn)題的討論4.4.4 實(shí)例4.5 SOMF神經(jīng)網(wǎng)絡(luò)模擬概率分布的C++語(yǔ)言程序第五 章混沌神經(jīng)網(wǎng)絡(luò)及其混沌控制5.1 混沌神經(jīng)網(wǎng)絡(luò)研究的歷史與現(xiàn)狀5.2 混沌神經(jīng)網(wǎng)絡(luò)模型及其動(dòng)力學(xué)特征5.2.1 互聯(lián)混沌神經(jīng)網(wǎng)絡(luò)5.2.2 自組織映射混沌神經(jīng)網(wǎng)絡(luò)5.2.3 離散混沌神經(jīng)網(wǎng)絡(luò)模型5.3 混沌神經(jīng)網(wǎng)絡(luò)中的混沌行為控制5.4 混沌神經(jīng)網(wǎng)絡(luò)在優(yōu)化計(jì)算中的應(yīng)用5.5 混沌神經(jīng)網(wǎng)絡(luò)在動(dòng)態(tài)關(guān)聯(lián)存儲(chǔ)方面的應(yīng)用5.6 前饋型神經(jīng)網(wǎng)絡(luò)用于混沌控制5.6.1 控制方法5.6.2 數(shù)值模擬5.6.3 控制機(jī)理的進(jìn)一步討論5.7 神經(jīng)網(wǎng)絡(luò)特征的歸納和總結(jié)第六章 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)6.1 系統(tǒng)辨識(shí)的基本概念和內(nèi)容6.1.1 系統(tǒng)辨識(shí)的定義6.1.2 線性系統(tǒng)的辨識(shí)方法6.1.3 系統(tǒng)辨識(shí)的內(nèi)容?6.1.4 實(shí)際辨識(shí)中要考慮的幾個(gè)關(guān)鍵問(wèn)題6.1.5 非線性系統(tǒng)的特點(diǎn)及其辨識(shí)方法6.2 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)6.2.1 基于神經(jīng)網(wǎng)絡(luò)辨識(shí)的特點(diǎn)6.2.2 幾種典型的非線性模型與結(jié)構(gòu)6.2.3 基于神經(jīng)網(wǎng)絡(luò)辨識(shí)的條件和結(jié)構(gòu)6.2.4 基于神經(jīng)網(wǎng)絡(luò)的兩種主要模型的辨識(shí)結(jié)構(gòu)6.3 基于神經(jīng)網(wǎng)絡(luò)的逆動(dòng)力學(xué)系統(tǒng)的辨識(shí)6.3.1 非線性系統(tǒng)的可逆性6.3.2 逆系統(tǒng)建模方法6.4 基于BP網(wǎng)絡(luò)的系統(tǒng)辨識(shí)與實(shí)例6.4.1 基于BP網(wǎng)絡(luò)的系統(tǒng)辨識(shí)算法6.4.2 基于BP網(wǎng)絡(luò)系統(tǒng)辨識(shí)的實(shí)例第七章 神經(jīng)網(wǎng)絡(luò)與自動(dòng)控制7.1 概述7.2 神經(jīng)網(wǎng)絡(luò)控制的發(fā)展及其用于控制的優(yōu)越性7.2.1 神經(jīng)網(wǎng)絡(luò)控制的發(fā)展7.2.2 神經(jīng)網(wǎng)絡(luò)用于控制的優(yōu)越性7.3 線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制7.3.1 反饋的兩種基本形式7.3.2 神經(jīng)網(wǎng)絡(luò)觀測(cè)器的實(shí)現(xiàn)方法7.4 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制7.4.1 概述7.4.2 自適應(yīng)控制的基本概念與結(jié)構(gòu)7.4.3 神經(jīng)網(wǎng)絡(luò)直接自適應(yīng)控制7.4.4 神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制7.4.5 神經(jīng)網(wǎng)絡(luò)自校正控制7.5 神經(jīng)網(wǎng)絡(luò)非線性預(yù)測(cè)控制7.5.1 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制的一般結(jié)構(gòu)與算法7.5.2 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器的幾種方案7.6 神經(jīng)網(wǎng)絡(luò)模糊控制7.6.1 模糊控制的基本思想7.6.2 模糊控制的特點(diǎn)與組成7.6.3 反模糊化7.6.4 模糊控制的優(yōu)點(diǎn)和需要解決的問(wèn)題7.6.5 神經(jīng)網(wǎng)絡(luò)與模糊控制系統(tǒng)7.6.6 神經(jīng)網(wǎng)絡(luò)在模糊控制中的應(yīng)用參考文獻(xiàn)附錄1用四階龍格一庫(kù)塔算法求解Lorenz系統(tǒng)的c語(yǔ)言程序附錄2時(shí)間序列快速傅立葉變換(FFT)的C語(yǔ)言程序
章節(jié)摘錄
插圖:第一章神經(jīng)網(wǎng)絡(luò)基礎(chǔ)概論近代科學(xué)誕生之后,人類在研究自然現(xiàn)象及其規(guī)律性時(shí),總是把研究對(duì)象歸結(jié)為一個(gè)數(shù)學(xué)模型,通過(guò)研究這個(gè)數(shù)學(xué)模型的性質(zhì)和規(guī)律達(dá)到認(rèn)識(shí)自然界規(guī)律性的目的。神經(jīng)網(wǎng)絡(luò)模型就是一種基于生理學(xué)的智能仿生模型,它體現(xiàn)了當(dāng)代幾種著名的科學(xué)理論,如計(jì)算神經(jīng)理論、耗散結(jié)構(gòu)理論及分形、混沌理論的基本精神。它的突出特點(diǎn)是超高維和強(qiáng)非線性,具有自組織、自適應(yīng)和自學(xué)習(xí)能力,以及非局域性、非定常性和非凸性等特點(diǎn)。神經(jīng)網(wǎng)絡(luò)模型的出現(xiàn)及其理論的發(fā)展,成為了一個(gè)全新的科學(xué)模型化的新范例,將對(duì)計(jì)算機(jī)科學(xué)與技術(shù)及其他相關(guān)科學(xué)的發(fā)展產(chǎn)生持久而深遠(yuǎn)的影響?!?.1神經(jīng)網(wǎng)絡(luò)理論形成的科學(xué)背景從神經(jīng)網(wǎng)絡(luò)科學(xué)的發(fā)展史來(lái)看,雖然早在20世紀(jì)40年代,心理學(xué)家和數(shù)學(xué)家出于研究人腦認(rèn)知功能的目的,開展了基于生理學(xué)的智能仿生模型——即人工神經(jīng)網(wǎng)絡(luò)(以下簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò))的研究,但神經(jīng)網(wǎng)絡(luò)作為一門科學(xué),它成熟于20世紀(jì)80年代至90年代中期。經(jīng)歷了一個(gè)興衰起伏的曲折發(fā)展過(guò)程,這一過(guò)程的出現(xiàn)是科學(xué)發(fā)展自身的規(guī)律性作用和實(shí)際應(yīng)用需要的結(jié)果,主要有以下幾個(gè)方面的原因:(1)人類在研究自然、改造自然的過(guò)程中,逐漸認(rèn)識(shí)到了研究人類大腦的物質(zhì)結(jié)構(gòu)、意識(shí)活動(dòng)和生物特征的極端重要性。雖然人們已能從神經(jīng)結(jié)構(gòu)、細(xì)胞體構(gòu)成和分子生物學(xué)的水平上初步探明了大腦組織的特征,并已可以通過(guò)生理實(shí)驗(yàn)證明許多大腦的認(rèn)知機(jī)理,而且從定性上掌握了人腦的信息處理具有并行運(yùn)算、分布式存儲(chǔ)、自學(xué)習(xí)和聯(lián)想記憶的特點(diǎn)。但因腦神經(jīng)細(xì)胞的數(shù)量巨大(約為100億個(gè))和連接的高度復(fù)雜性,人們到目前為止還不能完全掌握大腦的物質(zhì)組成結(jié)構(gòu)、大腦思維、意識(shí)和精神活動(dòng)的特點(diǎn)。神經(jīng)網(wǎng)絡(luò)理論的誕生,是人類建立研究大腦的一種科學(xué)模型化的新范例。
編輯推薦
《人工神經(jīng)網(wǎng)絡(luò)理論?模型?算法與應(yīng)用》由廣西師范大學(xué)出版社出版。
圖書封面
圖書標(biāo)簽Tags
無(wú)
評(píng)論、評(píng)分、閱讀與下載
人工神經(jīng)網(wǎng)絡(luò)理論·模型·算法與應(yīng)用 PDF格式下載