神经网络设计方法与实例分析
点击看大图
基本信息
内容简介回到顶部↑
本书从神经网络设计和应用实践出发，介绍了10种常见的人工神经网络的基本原理、设计方法，并从各个应用领域精选了丰富的典型应用实例进行剖析，旨在使读者对各类常用的人工神经网络的基本原理和学习算法进一步加深理解，熟悉其主要功能，掌握其设计方法，了解其主要应用，为设计各类神经网络和解决实际问题打下基础。主要内容包括神经网络模型评估与选择；10种典型网络的设计与应用，包括bp网络、rbf网络、sofm网络、lvq网络、cpn网络、art网络、hopfield网络、时序递归网络、cmac网络、svm网络；最后介绍了人工神经元网络设计开发平台。
本书可作为具有一定人工神经网络理论基础的科技工作者解决实际问题时的设计参考书，也可作为相关专业研究生及本科专业高年级学生的参考教材。
本书可作为具有一定人工神经网络理论基础的科技工作者解决实际问题时的设计参考书，也可作为相关专业研究生及本科专业高年级学生的参考教材。
目录回到顶部↑
第1章神经网络模型评估及选择
1.1神经网络的泛化能力〔1-3〕
1.2神经网络预测模型的一般描述〔2，3〕
1.3研究神经网络泛化能力的理论基础〔2-6〕
1.4影响神经网络的泛化能力的具体因素〔2-5〕
1.5提高神经网络的泛化能力的方法〔4，6〕
1.6神经网络模型的评估与选择〔4-6，15〕
本章参考文献
第2章基于bp算法的多层感知器的设计与应用
2.1基于bp算法的多层感知器网络工作原理与主要特点〔1-6〕
2.2基于bp算法的多层前馈网络设计基础〔1-6〕
2.3基于bp算法的多层前馈网络应用与设计实例
本章参考文献
第3章径向基函数神经网络的设计与应用
3.1径向基函数网络原理与学习算法〔1〕
3.2rbf网络的设计要点〔2〕
3.3rbf网络的应用实例
本章参考文献
第4章sofm网络设计与应用
4.1sofm网络原理与学习算法〔1〕
1.1神经网络的泛化能力〔1-3〕
1.2神经网络预测模型的一般描述〔2，3〕
1.3研究神经网络泛化能力的理论基础〔2-6〕
1.4影响神经网络的泛化能力的具体因素〔2-5〕
1.5提高神经网络的泛化能力的方法〔4，6〕
1.6神经网络模型的评估与选择〔4-6，15〕
本章参考文献
第2章基于bp算法的多层感知器的设计与应用
2.1基于bp算法的多层感知器网络工作原理与主要特点〔1-6〕
2.2基于bp算法的多层前馈网络设计基础〔1-6〕
2.3基于bp算法的多层前馈网络应用与设计实例
本章参考文献
第3章径向基函数神经网络的设计与应用
3.1径向基函数网络原理与学习算法〔1〕
3.2rbf网络的设计要点〔2〕
3.3rbf网络的应用实例
本章参考文献
第4章sofm网络设计与应用
4.1sofm网络原理与学习算法〔1〕
加载中...
