具體描述
著者簡介
圖書目錄
1．1 目的
1．2 曆史
1．3 應用
1．4 生物學的啓示
參考文獻
第2章 神經元模型和網絡結構
2．1 目的
2．1 理論和實例
2．2．1 符號
2．2．2 神經元模型
2．2．3 網絡結構
2．3 小結
2．4 例題
2．5 結束語
習題
第3章 一個說明性實例
3．1 目的
3．2 理論和實例
3．2．1 問題描述
.3．2．2 感知機
3．2．3 hamming網絡
3．2．4 hopfield網絡
3．3 結束語
習題
第4章 感知機學習規則
4．1 目的
4. 2 理論和實例
4．2．1 學習規則
4．2．2 感知機的結構
4．2．3 感知機學習規則
4．2．4 收斂性證明
4．3 小結
4．4 例題
4．5 結束語
參考文獻
習題
第5章 信號和權值嚮量空間
5．1 目的
5．2 理論和實例
5．2．1 綫性嚮量空間
5．2．2 綫性無關
5．2．3 生成空間
5．2．4 內積
5．2．5 範數
5．2．6 正交性
5．2．7 嚮量展開式
5．3 小結
5．4 例題
5．5 結束語
參考文獻
習題
第6章 神經網絡中的綫性變換
6. 1 目的
6．2 理論和實例
6．2．1 綫性變換
6．2．2 矩陣錶示
6．2. 3 基變換
6．2. 4 特徵值和特徵嚮量
6．3 小結
6．4 例題
6．5 結束語
參考文獻
習題
第7章 有監督的hebb學習
7．1 目的
7．2 理論和實例
7．2．1 綫性聯想器
7．2．2 hebb規則
7．2．3 仿逆規則
7．2．4 應用
7．2．5 hebb學習的變形
7．3 小結
7．4 例題
7．5 結束語
參考文獻
習題
第8章 性能麯麵和最優點
8．1 目的
8．2 理論和實例
8．2．1 泰勒級數
8．2．2 方嚮導數
8．2．3 極小點
8．2．4 優化的必要條件
8．2．5 二次函數
8．3 小結
8．4 例題
8．5 結束語
參考文獻
習題
第9章 性能優化
9．1 目的
9．2 理論和實例
9．2．1 最速下降法
9．2．2 牛頓法
9．2．3 共扼梯度法
9．3 小結
9．4 例題
9．5 結束語
參考文獻
習題
第10章 widrow-hoff學習算法
10．1 目的
10．2 理論和實例
10．2．1 adaline網絡
10．2．2 均方誤差
10．2．3 lms算法
10．2．4 收斂性分析
10．2．5 自適應濾波
10．3 小結
10．4 例題
10．5 結束語
參考文獻
習題
第11章 反嚮傳播
11．1 目的
11．2 理論和實例
11．2．1 多層感知機
11．2．2 反嚮傳播算法
11．2．3 例子
11．2．4 反嚮傳播
11．3 小結
11．4 例題
11．5 結束語
參考文獻
習題
第12章 反嚮傳播算法的變形
12．1 目的
12．2 理論和實例
12．2．1 bp算法的缺點
12．2．2 bp算法的啓發式改進
12．2．3 數值優化技術
12．3 小結
12．4 例題
12．5 結束語
參考文獻
習題
第13章 聯想學習
13．1 目的
13．2 理論和實例
13．2．1 簡單聯想網絡
13．2．2 無監督的hebb規則
13．2．3 簡單的識彆網絡
13．2．4 instar規則
13．2．5 簡單迴憶網絡
13．2．6 outstar規則
13．3 小結
13．4 例題
13．5 結束語
參考文獻
習題
第14章 競爭網絡
14．1 目的
14．2 理論和實例
14．2．1 hamming網絡
14．2．2 競爭層
14．2．3 生物學意義上的競爭層
14．2．4 自組織特徵圖
14．2．5 學習嚮量量化
14．3 小結
14．4 例題
14．5 結束語
參考文獻
習題
第15章 grossberg網絡
15．1 目的
15．2 理論和實例
15. 2．1 生物學的啓發：視覺
15．2．2 基本非綫性模型
15．2．3 兩層競爭網絡
15．2．4 與kohonen規則的關係
15．3 小結
15．4 例題
15．5 結束語
參考文獻
習題
第16章 自適應諧振理論
16．1 目的
16. 2 理論和實例
16．2．1 自適應諧振概述
16．2．2 第一層
16．2．3 第二層
16．2．4 調整子係統
16．2．5 學習規則：l1-l2
16．2．6 學習規則：l2-l1
16．2．7 art1算法小結
16．2．8 其他art體係結構
16．3 小結
16．4 例題
16．5 結束語
參考文獻
習題
第17章 穩定性
17．1 目的
17．2 理論和實例
17．2．1 遞歸網絡
17．2．2 穩定性概念
17．2．3 lyapunov穩定性定理
17．2．4 單擺例子
17．2．5 lasdlle不變性定理
17．3 小結
17．4 例題
17．5 結束語
參考文獻
習題
第18章 hopfield網絡
18．1 目的
18．2 理論和實例
18．2．1 hopfield模型
18．2．2 lyapunov函數
18．2．3 增益效應
18．2．4 hopfield網絡設計
18．3 小結
18. 4 例題
18．5 結束語
參考文獻
習題
第19章 結束語
19．1 目的
19．2 理論和實例
19．2．1 前饋和聯想網絡
19．2．2 競爭網絡
19。2．3 動態聯想存儲器網絡
19．2．4 神經網絡的經典基礎
19．2．5 參考書目和雜誌
19．3 結束語
參考文獻
附錄a 文獻目錄
附錄b 符號
附錄c 軟件
索引
· · · · · · (收起)
讀後感
还记得大一的时候，老师在黑板上只管照着课本将，讲矩阵、讲行列式..... 讲的只是计算过程，和解题方法。对我来说线性代数，就是死记硬背的没有半点用处的东西。我现在才明白了，线性代数，最主要的不是矩阵的那些计算，矩阵只是一个计算的表达方式和计算的工具，要理解线性代...
評分两年前看的了,买了一本此书的第二版 很不错 数学分析比较详细 特别是书中有许多很有启发性的例题 至于翻译我觉得还不错 虽然有些明显的印刷错误（特别是忘记了负号）
評分直接读的电子英文版，这本书作者是有在网上公开的，还有配套的ppt和matlab程序提供下载。 附上链接http://hagan.okstate.edu/nnd.html 配合matlab的Neural Network Toolbox User's Guide（与matlab版本一致）一起看
評分这本是我非常推崇的神经网络的进阶读本，理论的阐述非常的好。然后数学方面比较深。可能读起来会比较吃力但是挺好的。
評分两年前看的了,买了一本此书的第二版 很不错 数学分析比较详细 特别是书中有许多很有启发性的例题 至于翻译我觉得还不错 虽然有些明显的印刷错误（特别是忘记了负号）
用戶評價
不太適閤理論入門 可以作為工程應用入門 把一些基本的基礎理論和應用框架進行瞭說明 也給瞭比較好的例子 但是數學推導的過程比較混亂
评分這本書對於想要係統學習神經網絡的人倒是很適用，時間充裕的話可以一試。但是我就不行瞭，從原理開始深究寫不齣代碼。想要快速上手的人還是從實例開始吧
评分Artificial Neural Network
评分神經網絡入門
评分讀瞭兩小時，沒法懂
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美書屋 版权所有