人工神经网络原理及仿真实例(第2版)

　　本书以神经网络结构为主线，以学习算法为副线，详细介绍了神经网络结构和算法步骤，目的是使读者易看懂，能动手，会应用。主要内容包括：人工神经网络简介、单层前向网络及lms学习算法、多层前向网络及bp学习算法、支持向量机及其学习算法、hopfield神经网络与联想记忆、随机神经网络及模拟退火算法、竞争神经网络和协同神经网络。每章均给出了基于matlab的仿真实例以及练习。 .
　　 本书可作为电子科学与技术、信息与通信工程、计算机科学与技术、电气工程、控制科学与技术等专业研究生和高年级本科生的教材，对有关专业领域的研究人员和工程技术人员也有重要的参考价值。 ...

出版说明.
前言
致谢
第1章 引言
1.1 人工神经网络简介
1.2 人工神经网络的发展历史
1.3 人工神经网络模型
1.4 人工神经网络的分类及学习规则
1.5 人工神经网络的信息处理能力
1.6 人工神经网络的应用
1.7 人工神经网络与人工智能
1.8 习题
第2章 单层前向网络及lms学习算法
2.1 单层感知器
2.2 自适应线性元件
2.3 lms学习算法
2.4 仿真实例
2.5 习题
第3章 多层前向网络及bp学习算法
3.1 多层感知器

　　 人工神经网络是近年来的热点研究领域，涉及到电子科学与技术、信息与通信工程、计算机科学与技术、电气工程、控制科学与技术等诸多学科，其应用领域包括：建模、时间序列分析、模式识别和控制等，并在不断的拓展。
　　 本书的总体编写思路为：介绍背景和历史，说清理论和方法，详细介绍网络结构和算法步骤，并给出实例和练习，使读者易看懂，能动手，会应用。基于这一编写思路，本书以网络结构为主线，以学习算法为副线，介绍前向神经网络、反馈神经网络、随机神经网络和竞争神经网络，并介绍相应的学习算法，给出基于MATLAB的仿真实例。
　　 第1章引言对人工神经网络进行简介。第2章首先介绍单层感知器及其学习算法，然后介绍自适应线性元件以及LMS算法，最后结合讨论的问题给出典型算法的仿真实例。第3章介绍多层前向神经网络中的多层感知器和径向基网络，重点介绍了BP学习算法的原理、步骤以及算法的改进，并将多层感知器和径向基网络进行了比较：统计学习理论和支持向量机具有很好的性能，是近年来的研究热点。虽然从神经网络结构划分上可将其看成多层前向神经网络，但考虑到其重要性，本书在第4章专门介绍了统计学习理论和支持向量机，首先介绍统计学习理论的基本内容，在此基础之上，阐述线性支持向量机和非线性支持向量机的机理，并将其与多层前向网络相比较；接着，介绍用支持向量机如何解决分类问题及其相应的学习算法：最后，以几个实验为例，更为详细地阐述了支持向量机的工作过程及其结果。第5章介绍反馈型神经网络，介绍了神经动力学基本理论，重点介绍著名的离散Hopfield网络和连续Hopfield网络模型，再通过联想记忆问题，介绍Hopfield网络权值的设计方法，而Hopfield网络用于最优化计算，通过仿真实例加以介绍。第6章介绍随机型神经网络，重点介绍了Boltzmann机的原理、运行步骤、学习规则及其算法的改进，并重点介绍了模拟退火算法及其在组合优化问题上的应用。第7章介绍竞争型神经网络，主要介绍Hamming网、自组织映射网络、学习矢量量化以及主分量分析。通过对网络结构的不断改进，充分展示竞争学习的主要思想。作为具有深厚数理基础的另一种竞争型神经网络——协同神经网络，在第8章专门介绍。第8章首先介绍协同学的基本概念和数学模型，然后在协同学基本方程的基础上，介绍协同神经网络的数学模型，并详细介绍其网络结构、运行步骤及其学习算法，最后给出仿真实例。
　　 本书可作为电子科学与技术、信息与通信工程、计算机科学与技术、电气工程、控制科学与技术等专业研究生和高年级本科生的教材，同时对有关专业领域的研究人员和工程技术人员也有重要的参考价值。
　　 由于本人水平有限，另外人工神经网络本身也在不断地丰富和发展，书中不妥和错误之处在所难免，恳请广大读者批评指正。
　　 高 隽