具体描述
作者简介
目录信息
1．1 目的
1．2 历史
1．3 应用
1．4 生物学的启示
参考文献
第2章 神经元模型和网络结构
2．1 目的
2．1 理论和实例
2．2．1 符号
2．2．2 神经元模型
2．2．3 网络结构
2．3 小结
2．4 例题
2．5 结束语
习题
第3章 一个说明性实例
3．1 目的
3．2 理论和实例
3．2．1 问题描述
.3．2．2 感知机
3．2．3 hamming网络
3．2．4 hopfield网络
3．3 结束语
习题
第4章 感知机学习规则
4．1 目的
4. 2 理论和实例
4．2．1 学习规则
4．2．2 感知机的结构
4．2．3 感知机学习规则
4．2．4 收敛性证明
4．3 小结
4．4 例题
4．5 结束语
参考文献
习题
第5章 信号和权值向量空间
5．1 目的
5．2 理论和实例
5．2．1 线性向量空间
5．2．2 线性无关
5．2．3 生成空间
5．2．4 内积
5．2．5 范数
5．2．6 正交性
5．2．7 向量展开式
5．3 小结
5．4 例题
5．5 结束语
参考文献
习题
第6章 神经网络中的线性变换
6. 1 目的
6．2 理论和实例
6．2．1 线性变换
6．2．2 矩阵表示
6．2. 3 基变换
6．2. 4 特征值和特征向量
6．3 小结
6．4 例题
6．5 结束语
参考文献
习题
第7章 有监督的hebb学习
7．1 目的
7．2 理论和实例
7．2．1 线性联想器
7．2．2 hebb规则
7．2．3 仿逆规则
7．2．4 应用
7．2．5 hebb学习的变形
7．3 小结
7．4 例题
7．5 结束语
参考文献
习题
第8章 性能曲面和最优点
8．1 目的
8．2 理论和实例
8．2．1 泰勒级数
8．2．2 方向导数
8．2．3 极小点
8．2．4 优化的必要条件
8．2．5 二次函数
8．3 小结
8．4 例题
8．5 结束语
参考文献
习题
第9章 性能优化
9．1 目的
9．2 理论和实例
9．2．1 最速下降法
9．2．2 牛顿法
9．2．3 共扼梯度法
9．3 小结
9．4 例题
9．5 结束语
参考文献
习题
第10章 widrow-hoff学习算法
10．1 目的
10．2 理论和实例
10．2．1 adaline网络
10．2．2 均方误差
10．2．3 lms算法
10．2．4 收敛性分析
10．2．5 自适应滤波
10．3 小结
10．4 例题
10．5 结束语
参考文献
习题
第11章 反向传播
11．1 目的
11．2 理论和实例
11．2．1 多层感知机
11．2．2 反向传播算法
11．2．3 例子
11．2．4 反向传播
11．3 小结
11．4 例题
11．5 结束语
参考文献
习题
第12章 反向传播算法的变形
12．1 目的
12．2 理论和实例
12．2．1 bp算法的缺点
12．2．2 bp算法的启发式改进
12．2．3 数值优化技术
12．3 小结
12．4 例题
12．5 结束语
参考文献
习题
第13章 联想学习
13．1 目的
13．2 理论和实例
13．2．1 简单联想网络
13．2．2 无监督的hebb规则
13．2．3 简单的识别网络
13．2．4 instar规则
13．2．5 简单回忆网络
13．2．6 outstar规则
13．3 小结
13．4 例题
13．5 结束语
参考文献
习题
第14章 竞争网络
14．1 目的
14．2 理论和实例
14．2．1 hamming网络
14．2．2 竞争层
14．2．3 生物学意义上的竞争层
14．2．4 自组织特征图
14．2．5 学习向量量化
14．3 小结
14．4 例题
14．5 结束语
参考文献
习题
第15章 grossberg网络
15．1 目的
15．2 理论和实例
15. 2．1 生物学的启发：视觉
15．2．2 基本非线性模型
15．2．3 两层竞争网络
15．2．4 与kohonen规则的关系
15．3 小结
15．4 例题
15．5 结束语
参考文献
习题
第16章 自适应谐振理论
16．1 目的
16. 2 理论和实例
16．2．1 自适应谐振概述
16．2．2 第一层
16．2．3 第二层
16．2．4 调整子系统
16．2．5 学习规则：l1-l2
16．2．6 学习规则：l2-l1
16．2．7 art1算法小结
16．2．8 其他art体系结构
16．3 小结
16．4 例题
16．5 结束语
参考文献
习题
第17章 稳定性
17．1 目的
17．2 理论和实例
17．2．1 递归网络
17．2．2 稳定性概念
17．2．3 lyapunov稳定性定理
17．2．4 单摆例子
17．2．5 lasdlle不变性定理
17．3 小结
17．4 例题
17．5 结束语
参考文献
习题
第18章 hopfield网络
18．1 目的
18．2 理论和实例
18．2．1 hopfield模型
18．2．2 lyapunov函数
18．2．3 增益效应
18．2．4 hopfield网络设计
18．3 小结
18. 4 例题
18．5 结束语
参考文献
习题
第19章 结束语
19．1 目的
19．2 理论和实例
19．2．1 前馈和联想网络
19．2．2 竞争网络
19。2．3 动态联想存储器网络
19．2．4 神经网络的经典基础
19．2．5 参考书目和杂志
19．3 结束语
参考文献
附录a 文献目录
附录b 符号
附录c 软件
索引
· · · · · · (收起)
读后感
这本身更像是Matlab神经网络工具箱的配套教材，但内容稍显单薄，而且深度有限，由于对许多基本概念作了非常浅显易懂的讲解，所以适合作为入门教材。
评分一句话：娓娓道来，醍醐灌顶！比国内的教材好多了！只需要读者有一点点数学知识（也就是懂一点点高数、线代的皮毛，不懂也可以，作者会负责地在书中相关地方讲述）就可以了！
评分这段时间做毕业设计才看的这本书，全书循序渐进，开篇介绍了一下神经网络发展的概况，接着用几个简单的例子让读者对神经网路有一个比较感性的认识，然后有一些数学基础的补充，对线性代数和微积分的一部分内容进行了简单的介绍，再后面就是各种模型，按照目录的顺序读下去很容...
评分一句话：娓娓道来，醍醐灌顶！比国内的教材好多了！只需要读者有一点点数学知识（也就是懂一点点高数、线代的皮毛，不懂也可以，作者会负责地在书中相关地方讲述）就可以了！
评分一句话：娓娓道来，醍醐灌顶！比国内的教材好多了！只需要读者有一点点数学知识（也就是懂一点点高数、线代的皮毛，不懂也可以，作者会负责地在书中相关地方讲述）就可以了！
用户评价
读了两小时，没法懂
评分不太适合理论入门 可以作为工程应用入门 把一些基本的基础理论和应用框架进行了说明 也给了比较好的例子 但是数学推导的过程比较混乱
评分读过了不下五遍 内容生动翔实 充满了一个大师对一个初学者的关心 书中介绍了基本的定理定义和基本算法 还不忘各种举例 实在是一本不可多得的好书 我很喜欢这本书 建议有空读读
评分算是帶我進入這個領域的書
评分可以作为神经网络的基础教材，简单明了，不过要想学好神经网络，这本书远远不够，Simon Haykin的更好
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有