扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
人工神经网络与微粒群优化 版权信息
- ISBN：9787563513680
- 条形码：9787563513680 ; 978-7-5635-1368-0
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
人工神经网络与微粒群优化 本书特色
本书主要介绍了几种常用的、基本的、有发展前途的神经网络的设计和应用，并介绍了用于神经网络优化的微粒群技术，形象生动，图文并茂，深入浅出，脉络清晰，可读性强。前两章介绍了人工神经网络的基本知识；第3～9章介绍了感知机、前馈型、反馈型、随机神经网络、支持向量机、非线性泛函网络及其应用；第10、11章分别介绍了人工免疫系统和微粒群算法及其应用。相信广大读者通过认真学习本书，可以深入了解各种神经网络，建立牢固的知识基础。
人工神经网络与微粒群优化 内容简介
本书介绍了几类常用的和基本的人工神经网络模型，即感知机、前馈型、随机神经网络，还介绍了比较新并有发展前途的支持向量机、非线性泛函网络、人工免疫系统，独立成章地阐述了微粒群算法的基本原理及人工神经网络的微粒群优化技术，每种模型都围绕结构、基本原理、学习算法
人工神经网络与微粒群优化 目录
第1章 概论
1.1 人工神经网络的基本概念
1.1.1 人工神经网络的基本概念和特征
1.1.2 神经元数学模型
1.2 人工神经网络研究的发展简史
1.2.1 人工神经网络研究的发展
1.2.2 我国人工神经元网络研究的情况
1.2.3 存在的问题
1.2.4 几种著名的神经网络
1.3 并行及分布处理理论
1.3.1 并行分布处理理论
1.3.2 pdp的基本概念
1.3.3 联结性和并行分布性
1.3.4 非符号性和连续性
1.4 研究人工神经网络的意义
1.4.1 神经网络与传统计算的比较
1.4.2 人工神经元网络与人工智能系统的比较
1.4.3 研究人工神经元网络的意义
1.4.4 人工神经元网络在控制领域中的应用
第2章 人工神经网络的基本原理
2.1 神经元
2.1.1 神经元的结构
2.1.2 大脑的信息处理原理
2.2 人工神经网络模型
2.2.1 形式神经元模型
2.2.2 神经网络的基本结构
2.2.3 神经元的学习法则
2.2.4 神经元的计算原理
2.3 十种常用的学习规则
2.3.1 hebb学习规则
2.3.2 感知器的学习规则
2.3.3 δ学习规则
2.3.4 widnow-hoff学习规则
2.3.5 相关学习规则
2.3.6 “胜者为王”学习规则
2.3.7 内星和外星学习规则
2.3.8 梯度下降算法
2.3.9 随机训练算法
2.3.10 模拟退火算法
2.3.11 学习规则的一览表
2.4 学习任务
2.4.1 模式联想
2.4.2 模式识别
2.4.3 函数逼近
2.4.4 控制
2.4.5 滤波
2.4.6 波束形成
2.5 记忆
2.5.1 相关矩阵记忆
2.5.2 回忆
2.6 自适应
2.7 学习过程的统计性质
2.8 统计学习理论
2.8.1 一些基本定义
2.8.2 经验风险*小化原则
2.9 vc维
2.9.1 vc维的估计
2.9.2 可能近似正确的学习模型
2.9.3 样本复杂性
2.9.4 计算复杂性
第3章 感知机
3.1 *简单的感知机
3.2 感知机的学习算法
3.3 收敛定理
3.4 简单感知机的局限性
3.5 凸集分离定理
3.5.1 凸集与凸性
3.5.2 凸集分离定理
第4章 前馈型神经网络
4.1 多层感知器
4.2 多层感知器的学习算法
4.3 激活函数
4.3.1 s型函数
4.3.2 其他激活函数
4.3.3 非线性误差函数
4.4 bp算法的改进
4.5 网络设计及数据预处理
4.5.1 输入层和输出层的设计
4.5.2 隐含层数和层内节点数的选择
4.6 网络映射及容量分析
4.6.1映射作用
4.6.2前向网络的容量分析
第5章 bp网络的应用
5.1 xor问题
5.2 天气预报问题
5.3 地下水位的预测
5.4 室内温度的预测
5.5 产品成本的预测
第6章 反馈型神经网络
6.1 hopfield网络
6.2 联想记忆与神经计算
6.2.1 联想记忆
6.2.2 神经计算
6.3 连续时间hopfield神经网络模型
6.3.1 非线性连续时间hopfield神经网络
6.3.2 hopfield型神经网络的设计与稳定性
6.4 hopfield神经网络论文分析
6.5 hopfield网络在动态联盟伙伴中的应用
6.5.1 模型的建立
6.5.2 模型的简化
6.5.3 对多目标的动态联盟问题求解
6.5.4 基于hopfield网络的多目标动态联盟求解
第7章 随机神经网络
7.1 模拟退火算法
7.1.1 模拟退火算法
7.1.2 改进的模拟退火算法
7.1.3 sa算法的收敛法
7.2 玻耳兹曼机
7.2.1 玻耳兹曼机模型
7.2.2 能量函数
7.2.3 学习算法
7.2.4 玻耳兹曼机学习算法推导
7.3 nn的概率统计法
7.4 并行分布柯西机
7.5 神经网络的熵理论
7.5.1 nn计算能量与熵
7.5.2 同步并行计算
7.5.3 异步串行计算
7.6 动力系统的分维学
7.6.1 hausdorff维数
7.6.2 分维的量度
7.7 分维神经网络
7.7.1 分维nn结构
7.7.2 信息的存储
第8章 非线性泛函网络
8.1 非线性可分性
8.1.1 声可分性
8.1.2 rbf网络的结构及工作原理
8.1.3 函数逼近与内插
8.2 cover定理
8.3 正规化理论
8.4 rbf网络的学习算法
8.5 泛函连接网络
8.6 小波网络
8.6.1 小波理论
8.6.2 小波网络
8.6.3 小波网络的性能分析
8.6.4 小波网络在股市预测中的应用
8.6.5 小波理论在创新概念设计评价中的应用
第9章 支持向量机
9.1 简介
9.2 线性可分模式的*优超平面
9.2.1 用于寻找*优超平面的二次*优化
9.2.2 *优超平面的统计特性
9.3 不可分模式的*优超平面
9.4 怎样建立用于模式识别的支持向量机
9.4.1 内积核
9.4.2 mercer定理
9.4.3 支持向量机的*优设计
9.4.4 支持向量机的例子
9.5 例子：xor问题
9.6 一不敏感损失函数
9.7 用于非线性回归的支持向量机
9.8 小结和讨论
第10章 人工免疫系统及克隆选择算法
10.1 概述
10.2 生物免疫系统的基本原理
10.2.1 免疫系统的功能
10.2.2 固有性免疫响应和适应性免疫响应
10.2.3 免疫系统的结构
10.3 人工免疫系统
10.3.1 人工免疫系统进展
10.3.2 人工免疫系统的研究领域
10.3.3 人工免疫系统与其他方法的比较
10.4 克隆选择学说与克隆选择算子
10.4.1 克隆选择
10.4.2 克隆算子
10.5 简单克隆选择算法及其性能分析
10.5.1 简单克隆选择算法
10.5.2 简单克隆选择算法的收敛性
10.5.3 多克隆算子与单克隆算子的比较
10.5.4 克隆选择算法与进化算法
10.5.5 克隆选择算法的优缺点
10.6 小结
10.6.1 人工免疫系统存在的问题
10.6.2 基于人工免疫系统的综合集成
10.6.3 人工免疫系统应用研究
10.6.4 人工免疫系统进一步研究的方向
第11章 微粒群算法
11.1 基本的微粒群算法
11.1.1 引言
11.1.2 基本微粒群算法
11.1.3 基本微粒群算法的社会行为分析
11.2 改进的微粒群算法
11.2.1 对基本微粒群算法进化方程的改进
11.2.2 利用小生境思想所做的改进
11.2.3 离散变量的微粒群算法
11.3 微粒群算法的应用
11.3.1 进化计算
1.1 人工神经网络的基本概念
1.1.1 人工神经网络的基本概念和特征
1.1.2 神经元数学模型
1.2 人工神经网络研究的发展简史
1.2.1 人工神经网络研究的发展
1.2.2 我国人工神经元网络研究的情况
1.2.3 存在的问题
1.2.4 几种著名的神经网络
1.3 并行及分布处理理论
1.3.1 并行分布处理理论
1.3.2 pdp的基本概念
1.3.3 联结性和并行分布性
1.3.4 非符号性和连续性
1.4 研究人工神经网络的意义
1.4.1 神经网络与传统计算的比较
1.4.2 人工神经元网络与人工智能系统的比较
1.4.3 研究人工神经元网络的意义
1.4.4 人工神经元网络在控制领域中的应用
第2章 人工神经网络的基本原理
2.1 神经元
2.1.1 神经元的结构
2.1.2 大脑的信息处理原理
2.2 人工神经网络模型
2.2.1 形式神经元模型
2.2.2 神经网络的基本结构
2.2.3 神经元的学习法则
2.2.4 神经元的计算原理
2.3 十种常用的学习规则
2.3.1 hebb学习规则
2.3.2 感知器的学习规则
2.3.3 δ学习规则
2.3.4 widnow-hoff学习规则
2.3.5 相关学习规则
2.3.6 “胜者为王”学习规则
2.3.7 内星和外星学习规则
2.3.8 梯度下降算法
2.3.9 随机训练算法
2.3.10 模拟退火算法
2.3.11 学习规则的一览表
2.4 学习任务
2.4.1 模式联想
2.4.2 模式识别
2.4.3 函数逼近
2.4.4 控制
2.4.5 滤波
2.4.6 波束形成
2.5 记忆
2.5.1 相关矩阵记忆
2.5.2 回忆
2.6 自适应
2.7 学习过程的统计性质
2.8 统计学习理论
2.8.1 一些基本定义
2.8.2 经验风险*小化原则
2.9 vc维
2.9.1 vc维的估计
2.9.2 可能近似正确的学习模型
2.9.3 样本复杂性
2.9.4 计算复杂性
第3章 感知机
3.1 *简单的感知机
3.2 感知机的学习算法
3.3 收敛定理
3.4 简单感知机的局限性
3.5 凸集分离定理
3.5.1 凸集与凸性
3.5.2 凸集分离定理
第4章 前馈型神经网络
4.1 多层感知器
4.2 多层感知器的学习算法
4.3 激活函数
4.3.1 s型函数
4.3.2 其他激活函数
4.3.3 非线性误差函数
4.4 bp算法的改进
4.5 网络设计及数据预处理
4.5.1 输入层和输出层的设计
4.5.2 隐含层数和层内节点数的选择
4.6 网络映射及容量分析
4.6.1映射作用
4.6.2前向网络的容量分析
第5章 bp网络的应用
5.1 xor问题
5.2 天气预报问题
5.3 地下水位的预测
5.4 室内温度的预测
5.5 产品成本的预测
第6章 反馈型神经网络
6.1 hopfield网络
6.2 联想记忆与神经计算
6.2.1 联想记忆
6.2.2 神经计算
6.3 连续时间hopfield神经网络模型
6.3.1 非线性连续时间hopfield神经网络
6.3.2 hopfield型神经网络的设计与稳定性
6.4 hopfield神经网络论文分析
6.5 hopfield网络在动态联盟伙伴中的应用
6.5.1 模型的建立
6.5.2 模型的简化
6.5.3 对多目标的动态联盟问题求解
6.5.4 基于hopfield网络的多目标动态联盟求解
第7章 随机神经网络
7.1 模拟退火算法
7.1.1 模拟退火算法
7.1.2 改进的模拟退火算法
7.1.3 sa算法的收敛法
7.2 玻耳兹曼机
7.2.1 玻耳兹曼机模型
7.2.2 能量函数
7.2.3 学习算法
7.2.4 玻耳兹曼机学习算法推导
7.3 nn的概率统计法
7.4 并行分布柯西机
7.5 神经网络的熵理论
7.5.1 nn计算能量与熵
7.5.2 同步并行计算
7.5.3 异步串行计算
7.6 动力系统的分维学
7.6.1 hausdorff维数
7.6.2 分维的量度
7.7 分维神经网络
7.7.1 分维nn结构
7.7.2 信息的存储
第8章 非线性泛函网络
8.1 非线性可分性
8.1.1 声可分性
8.1.2 rbf网络的结构及工作原理
8.1.3 函数逼近与内插
8.2 cover定理
8.3 正规化理论
8.4 rbf网络的学习算法
8.5 泛函连接网络
8.6 小波网络
8.6.1 小波理论
8.6.2 小波网络
8.6.3 小波网络的性能分析
8.6.4 小波网络在股市预测中的应用
8.6.5 小波理论在创新概念设计评价中的应用
第9章 支持向量机
9.1 简介
9.2 线性可分模式的*优超平面
9.2.1 用于寻找*优超平面的二次*优化
9.2.2 *优超平面的统计特性
9.3 不可分模式的*优超平面
9.4 怎样建立用于模式识别的支持向量机
9.4.1 内积核
9.4.2 mercer定理
9.4.3 支持向量机的*优设计
9.4.4 支持向量机的例子
9.5 例子：xor问题
9.6 一不敏感损失函数
9.7 用于非线性回归的支持向量机
9.8 小结和讨论
第10章 人工免疫系统及克隆选择算法
10.1 概述
10.2 生物免疫系统的基本原理
10.2.1 免疫系统的功能
10.2.2 固有性免疫响应和适应性免疫响应
10.2.3 免疫系统的结构
10.3 人工免疫系统
10.3.1 人工免疫系统进展
10.3.2 人工免疫系统的研究领域
10.3.3 人工免疫系统与其他方法的比较
10.4 克隆选择学说与克隆选择算子
10.4.1 克隆选择
10.4.2 克隆算子
10.5 简单克隆选择算法及其性能分析
10.5.1 简单克隆选择算法
10.5.2 简单克隆选择算法的收敛性
10.5.3 多克隆算子与单克隆算子的比较
10.5.4 克隆选择算法与进化算法
10.5.5 克隆选择算法的优缺点
10.6 小结
10.6.1 人工免疫系统存在的问题
10.6.2 基于人工免疫系统的综合集成
10.6.3 人工免疫系统应用研究
10.6.4 人工免疫系统进一步研究的方向
第11章 微粒群算法
11.1 基本的微粒群算法
11.1.1 引言
11.1.2 基本微粒群算法
11.1.3 基本微粒群算法的社会行为分析
11.2 改进的微粒群算法
11.2.1 对基本微粒群算法进化方程的改进
11.2.2 利用小生境思想所做的改进
11.2.3 离散变量的微粒群算法
11.3 微粒群算法的应用
11.3.1 进化计算
展开全部
书友推荐
- >
罗庸西南联大授课录
罗庸西南联大授课录
¥13.8¥32.0 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥16.4¥49.8 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥15.9¥49.8 - >
李白与唐代文化
李白与唐代文化
¥9.9¥29.8 - >
伊索寓言-世界文学名著典藏-全译本
伊索寓言-世界文学名著典藏-全译本
¥6.1¥19.0 - >
名家带你读鲁迅:朝花夕拾
名家带你读鲁迅:朝花夕拾
¥10.5¥21.0 - >
二体千字文
二体千字文
¥16.0¥40.0
本类畅销
-
深度学习自然语言处理实战
¥25.8¥59.9 -
过程控制
¥11.9¥35 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6
