人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

前言

本書是為信號與信息處理、模式識別與智能系統(tǒng)等學(xué)科的本科高年級學(xué)生和碩士生編寫的教材.，也希望能為相關(guān)專業(yè)技術(shù)人員自學(xué)人工神經(jīng)網(wǎng)絡(luò)提供一本容易入門的參考書。本書的題目之所以加“基礎(chǔ)”二0，一方面是由于其主要內(nèi)容只包括人工神經(jīng)網(wǎng)絡(luò)的最基礎(chǔ)的幾種類型，也是事實上被應(yīng)用得最為廣泛的一些類型，同時它們是學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)必須扎實掌握的幾個類型；另一方面，在講解這些網(wǎng)絡(luò)時不惜篇幅，加強了對其相關(guān)基礎(chǔ)知識的闡述。作者通過多年的教學(xué)實踐體會到，使學(xué)生感到人工神經(jīng)網(wǎng)絡(luò)課程“比較難學(xué)”的一個重要因素是他們對生物神經(jīng)系統(tǒng)的知識比較生疏，為此，我們在不同章節(jié)較多而通俗地插入介紹了生物神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能特點，介紹了人類認知心理學(xué)等方面的相關(guān)知識，希望學(xué)生們能在生物神經(jīng)系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)類比的過程中更容易接受人工神經(jīng)網(wǎng)絡(luò)可以具有學(xué)習(xí)、記憶等智能功能的事實。全書的內(nèi)容是這樣安排的：第1章是篇幅很大的一篇序言。首先詳細介紹了至今仍被廣泛應(yīng)用、事實上是人工神經(jīng)元模型基礎(chǔ)的“MP模型”和其賴以建立的大量的生物神經(jīng)元的類比知識，揭示生物神經(jīng)元微觀結(jié)構(gòu)和功能機理極其復(fù)雜的同時，卻具有非常簡明的外部宏觀功能形式。希望借此建立人工神經(jīng)網(wǎng)絡(luò)可以具有復(fù)雜智能功能的令人信服的基礎(chǔ)，建立只要把很大數(shù)量的人工神經(jīng)元復(fù)雜地連接起來就能產(chǎn)生網(wǎng)絡(luò)的智能性從量變到質(zhì)變的信念。在此基礎(chǔ)上，第1章我們將人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成要素及與此相關(guān)的一些知識集中地、系統(tǒng)地進行了討論。特別針對人工神經(jīng)網(wǎng)絡(luò)的模式識別類功能，在特征提取和特征向量構(gòu)建方面進行了較詳細的討論。因為在筆者看來，對于那些對人工神經(jīng)網(wǎng)絡(luò)主要是進行應(yīng)用研究的人來說，它只不過是一個工具，而研究者對自身專業(yè)的把握并把它體現(xiàn)在高質(zhì)量的特征向量構(gòu)建之中，才是最見功力的地方。第2章介紹前向多層網(wǎng)絡(luò)。對單個神經(jīng)元的分類能力進行了詳細分析，書中用不同方法對其分類功能證明，實際上是想從不同角度審視人工神經(jīng)網(wǎng)絡(luò)的分類識別能力。第3章簡要介紹Hopfield網(wǎng)絡(luò)。篇幅并不比其他章節(jié)小，但是作為互聯(lián)反饋型網(wǎng)絡(luò)，作為一個非線性動力學(xué)系統(tǒng)，其可涉及的理論問題當(dāng)然很多，但是作為基礎(chǔ)課本，我們僅局限于討論它的聯(lián)想記憶功能形成的機理，即數(shù)學(xué)形式的聯(lián)想存儲矩陣和對整個人工神經(jīng)網(wǎng)絡(luò)技術(shù)都有重要影響的Hcbb規(guī)則問題，所以只能說是簡要介紹。

內(nèi)容概要

本書以信號與信息處理、模式識別與智能系統(tǒng)等學(xué)科為背景，介紹    本書內(nèi)容深入淺出，語言通俗易懂。在每章最后，結(jié)合本章的關(guān)鍵問題給出了思考與討論題目，以引起讀者對這些問題更多地關(guān)注或者在教學(xué)環(huán)節(jié)中進行討論。     本書可作為本科高年級學(xué)生和碩士生教材，也可供相關(guān)專業(yè)技術(shù)人員自學(xué)參考。

書籍目錄

第1章  緒論  1.1  引言  1.2  生物神經(jīng)元和生物神經(jīng)網(wǎng)絡(luò)簡介  1.3  人工神經(jīng)元和人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識。為了更好地學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)的需要，在不同章節(jié)較多而通俗地插入介紹了生物神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能特點以及人類認知心理學(xué)等方面的有用知識。對BP型前向多層網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)、波爾茲曼機概率型網(wǎng)絡(luò)、自組織特征映射網(wǎng)絡(luò)和自適應(yīng)諧（ART）網(wǎng)絡(luò)等基本類型的人工神經(jīng)網(wǎng)絡(luò)進行了較為詳細的和基礎(chǔ)性的介紹。  思考與討論  參考文獻第2章  前向多層網(wǎng)絡(luò)  2.1  人工神經(jīng)網(wǎng)絡(luò)入門：單個神經(jīng)元分類識別器  2.2  感知機：歷史和概念  2.3  前向多層網(wǎng)絡(luò)誤差反向傳遞算法：BP網(wǎng)絡(luò)  2.4  BP網(wǎng)絡(luò)及有教師學(xué)習(xí)的概念模型  2.5  BP網(wǎng)絡(luò)應(yīng)用舉例  2.6  徑向基函數(shù)網(wǎng)絡(luò)  思考與討論  參考文獻第3章  Hopfield網(wǎng)絡(luò)  3.1  引言  3.2  網(wǎng)絡(luò)模型  3.3  Hopfield網(wǎng)絡(luò)的聯(lián)想記憶功能  3.4  Hopfield網(wǎng)絡(luò)的最優(yōu)化處理和計算功能  思考與討論  參考文獻第4章  波爾茲曼機（BM）網(wǎng)絡(luò)簡介  4.1  概述  4.2  波爾茲曼機的基本原理  4.3  波爾茲曼機的實驗應(yīng)用舉例  4.4  波爾茲曼機小結(jié)  思考與討論  參考文獻第5章  自組織特征映射網(wǎng)絡(luò)（SOFM）  5.1  引言  5.2  自組織特征提取的算法及其數(shù)學(xué)證明  5.3  競爭學(xué)習(xí)和自穩(wěn)定學(xué)習(xí)  5.4  Kohonen網(wǎng)絡(luò)：具有確定側(cè)反饋的多神經(jīng)元SOFM網(wǎng)絡(luò)  5.5  SOFM網(wǎng)絡(luò)應(yīng)用舉例：Kohonen神經(jīng)網(wǎng)絡(luò)語音打字機  思考與討論  參考文獻第6章  ART網(wǎng)絡(luò)  6.1  引言  6.2  ART-1網(wǎng)絡(luò)  6.3  ART-2網(wǎng)絡(luò)  6.4  ART-3網(wǎng)絡(luò)簡介  6.5  結(jié)語  思考與討論  參考文獻第7章  人工神經(jīng)網(wǎng)絡(luò)的軟件實踐和仿真  7.1  引言  7.2  利用參數(shù)和函數(shù)進行網(wǎng)絡(luò)設(shè)計和仿真示例  7.3  MATLAB的GUI設(shè)計與分析  7.4  人工神經(jīng)網(wǎng)絡(luò)的Simulink仿真  參考文獻

章節(jié)摘錄

插圖：外界環(huán)境中事物的特征，從來不是孤立、單一的，而是多種特征在時間和空間的關(guān)聯(lián)上呈現(xiàn)，從而表達了事物的相同、相似、不同或相反。這些特征構(gòu)成了表達環(huán)境中的事物的一個“模式”。所以說到底，生物神經(jīng)活動的基礎(chǔ)活動就是“模式識別”功能，當(dāng)然這一功能的具備和獲得，對低等生物主要是一種遺傳和進化，而對高等動物尤其是人，存在一個學(xué)習(xí)的過程。人工神經(jīng)網(wǎng)絡(luò)最重要的就是對環(huán)境中事物特征的分類識別問題。包括運動控制、系統(tǒng)辨識、最優(yōu)化計算……說到底可以歸結(jié)到“模式識別”的這個大框架之下。但是，千萬不要忘記，人工神經(jīng)網(wǎng)絡(luò)有天大的本領(lǐng)，也不過是你手中的一個工具！是要靠你這位主人，把你認為是包含了你所研究的事物的特征的若干個信號“硬件地”加到它的輸入端口；或者把這些信號經(jīng)過了一系列的變換過程變成了一個數(shù)組，“軟件地”加到了它的輸入端口——只不過是一大堆程序行的某一個段落或者某一個語句。對于我們這些對神經(jīng)網(wǎng)絡(luò)只是偏于應(yīng)用研究的人來說，人工神經(jīng)網(wǎng)絡(luò)只不過是一個工具，在我們的研究環(huán)境中就像一臺示波器之類的東西的地位一樣，沒有什么大不了的。而最顯功力的，是應(yīng)用者在自身研究領(lǐng)域的造詣，表現(xiàn)在你對于待研究事物可能特征的理解、你向人工神經(jīng)網(wǎng)絡(luò)所提供的特征向量的質(zhì)量，包括特征向量對你所研究事物特征的反映的含量和程度、特征向量的數(shù)學(xué)品質(zhì)，諸如樣本集在空間的聚類性或緊致性、正交性、可分性……簡而言之，就是研究者在特征提取和特征表達方面的功力和水平。當(dāng)然，為了更好地而不是粗糙地、深入地而不是膚淺地使用這個工具，我們必須明白這個工具的工作原理和特性，就像只有真正明白了示波器的掃描方式和原理，才能真正得心應(yīng)手地測量各種不同信號是一樣的道理。2.特征向量的構(gòu)建（1）數(shù)據(jù)獲取為了使人工神經(jīng)網(wǎng)絡(luò)能夠?qū)Ω鞣N事物或現(xiàn)象進行分類識別，要用網(wǎng)絡(luò)可以運行或運算的符號來表示所要研究的對象，在下面的討論中我們不再考慮單純的硬件人工神經(jīng)元和網(wǎng)絡(luò)，因此我們只考慮數(shù)字信號的最終形式。

編輯推薦

《研究生用教材?人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)》可作為本科高年級學(xué)生和碩士生教材，也可供相關(guān)專業(yè)技術(shù)人員自學(xué)參考。

圖書封面

評論、評分、閱讀與下載

---

    人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ) PDF格式下載

---