新書推薦：
《
莫雷诺心理学：慢性焦虑（西班牙临床心理学家经典入门指南，焦虑症与恐惧症治愈手册。冲破情绪困局，揭示焦虑本质）
》
售價：NT$
254.0
《
莫雷诺心理学：克服强迫症（第5版，西班牙临床心理学家经典入门指南，强迫症的诱因、病症与治疗，收录强迫症自测表）
》
售價：NT$
254.0
《
杰出投资者的情绪管理课：揭秘巴菲特不住在华尔街的真相（德国年度财经图书奖）
》
售價：NT$
407.0
《
粤港澳大湾区协同发展报告（2024）
》
售價：NT$
904.0
《
中国美术全集：陶瓷器（一部汇集中华五千年文化的大型图集）
》
售價：NT$
7320.0
《
科技革命与日本现代化
》
售價：NT$
814.0
《
天气好极了，钱几乎没有： 契诃夫书信集 1876—1904
》
售價：NT$
419.0
《
天才基本法
》
售價：NT$
290.0
|
| 編輯推薦： |
|
本书以MATLAB仿真为切入点，通过典型实例系统阐述了多种经典神经网络算法的理论基础、实现方法及其应用技术。作为作者多年从事人工智能教学与科研工作的成果结晶，本书不仅总结了作者的研究心得，还融入了国内外同行近年来的最新研究成果。
|
| 內容簡介： |
本书结合几种典型神经网络，系统地介绍每种神经网络的基本理论、基本方法和应用技术，是作者多年从事神经网络教学和科研工作的结晶，同时融入了国内外同行近年来所取得的新成果。
全书共17章，主要内容包括神经网络理论基础、BP神经网络设计、基于工具箱的BP神经网络训练与测试、基于BP网络的数据拟合与误差补偿、模糊BP神经网络数据拟合与误差补偿、RBF神经网络设计、模糊RBF神经网络设计、ELM网络算法设计、基于高斯基函数特征提取的FELM神经网络、基于ELM神经网络和FELM神经网络的数据拟合、动态递归神经网络设计、带有动态回归层的模糊神经网络、PiSigma模糊神经网络设计、小脑模型神经网络设计、Hopfield神经网络设计、深度学习算法、卷积神经网络和基于长短期记忆网络的拟合与时间序列预测。
本书各部分内容既相互联系又相互独立，读者可根据自己的需要选择学习。本书可作为高等院校工业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的本科生和研究生教学用书，也可作为从事生产过程自动化、计算机应用、机械电子和电气自动化领域工作的工程技术人员的参考书。
|
| 目錄：
|
第1章神经网络理论基础1
1.1神经网络发展简史2
1.2神经网络原理3
1.3神经网络的分类4
1.4神经网络学习算法6
1.4.1Hebb学习规则6
1.4.2Delta(δ)学习规则6
1.5神经网络的特征及要素7
1.5.1神经网络的特征7
1.5.2神经网络三要素7
1.6神经网络的设计关键技术7
1.7神经网络的应用领域8
1.8神经网络典型应用实例8
参考文献10
思考题11
第2章BP神经网络设计12
2.1基本原理12
2.2BP网络算法13
2.2.1BP网络的输入/输出算法13
2.2.2输入信息的归一化13
2.2.3多入多出样本的BP网络离线学习算法15
2.2.4仿真实例: 样本的离线训练与测试16
2.2.5函数在线逼近的BP网络学习算法20
2.2.6仿真实例: 正弦函数的拟合21
参考文献23
思考题23
第3章基于工具箱的BP神经网络训练与测试24
3.1BP神经网络训练24
3.2BP神经网络测试26
3.3仿真实例26
思考题33
第4章基于BP网络的数据拟合与误差补偿34
4.1BP网络的拟合34
4.2数据拟合与误差补偿机理35
4.3仿真实例36
4.3.1BP网络的训练与测试36
4.3.2针对测试误差的BP网络训练与测试41
4.3.3实验数据的误差补偿45
思考题47
第5章模糊BP神经网络数据拟合与误差补偿48
5.1模糊BP神经网络48
5.2仿真实例51
5.2.1实验数据拟合与测试51
5.2.2实验数据与真实数据之差的拟合与测试55
5.2.3新的实验数据输出的补偿58
思考题60
第6章RBF神经网络设计61
6.1基本原理61
6.2网络结构与算法61
6.3RBF网络基函数设计实例62
6.3.1结构为151的RBF网络62
6.3.2结构为251的RBF网络63
6.4基于梯度下降法的RBF神经网络逼近64
6.4.1算法设计64
6.4.2仿真实例65
6.5高斯基函数的参数对RBF网络逼近的影响69
6.6隐含层节点数对RBF网络逼近的影响74
6.7RBF神经网络的训练79
6.7.1RBF神经网络的离散训练79
6.7.2仿真实例80
6.8BP神经网络与RBF神经网络训练比较86
6.8.1BP神经网络测试86
6.8.2RBF神经网络测试89
参考文献92
思考题92
第7章模糊RBF神经网络设计93
7.1模糊神经网络介绍93
7.2模糊神经网络的优点及设计关键94
7.3网络结构及算法94
7.4模糊RBF网络的数据离散拟合95
7.4.1基本原理95
7.4.2仿真实例96
7.5BP神经网络与模糊神经网络训练测试103
7.5.1BP神经网络103
7.5.2模糊RBF神经网络106
7.6采用工具箱的模糊RBF神经网络训练与测试110
7.6.1ANFIS简介110
7.6.2仿真实例111
参考文献113
思考题114
第8章ELM网络算法设计115
8.1ELM神经网络的特点115
8.2网络结构与算法115
8.3ELM网络的训练116
8.4仿真实例117
参考文献121
思考题122
第9章基于高斯基函数特征提取的FELM神经网络123
9.1FELM网络结构与算法123
9.2FELM网络的学习算法123
9.3仿真实例126
参考文献128
思考题128
第10章基于ELM神经网络和FELM神经网络的数据拟合130
10.1数据集的设计130
10.2神经网络的拟合132
10.3仿真实例132
思考题140
第11章动态递归神经网络设计141
11.1网络结构141
11.2DRNN网络的逼近141
11.3仿真实例143
思考题145
第12章带有动态回归层的模糊神经网络147
12.1算法结构147
12.2输入、输出算法147
12.3网络学习算法148
12.4仿真实例149
参考文献158
思考题158
第13章PiSigma模糊神经网络设计159
13.1高木关野模糊系统159
13.2PiSigma模糊神经网络159
13.3网络离散学习算法161
13.4网络在线学习算法162
13.5仿真实例162
参考文献169
思考题170
第14章小脑模型神经网络设计171
14.1概述171
14.2CMAC网络结构171
14.3CMAC网络算法172
14.4仿真实例173
参考文献176
思考题176
第15章Hopfield神经网络设计177
15.1Hopfield网络原理177
15.2Hopfield网络算法177
15.3基于Hopfield网络的路径优化179
15.3.1旅行商问题179
15.3.2求解旅行商问题的Hopfield神经网络设计179
15.3.3仿真实例180
参考文献187
思考题187
第16章深度学习算法——卷积神经网络188
16.1卷积神经网络的发展历史188
16.2卷积神经网络的设计189
16.3数字二值图像分类的设计191
16.3.1网络训练的步骤191
16.3.2网络训练参数的配置194
16.4基于CNN的数字识别195
16.4.1问题的提出195
16.4.2仿真实例195
16.5基于卷积神经网络的数据拟合200
16.5.1基本原理200
16.5.2仿真实例202
16.6卷积神经网络的发展方向208
参考文献208
思考题209
第17章基于长短期记忆网络的拟合与时间序列预测210
17.1LSTM神经网络简介210
17.2LSTM原理210
17.3激活函数的选择212
17.4LSTM的设计与优化212
17.4.1设计方法212
17.4.2梯度消失与爆炸问题212
17.5仿真实例213
17.5.1仿真实现步骤213
17.5.2仿真实例213
17.6未来发展方向221
参考文献221
|
| 內容試閱：
|
有关神经网络理论及其应用，近年来已有大量的论文和著作发表。作者多年来一直从事智能控制理论及应用方面的教学和研究工作，为了促进神经网络技术的进步，反映神经网络设计与应用中的最新研究成果，并使广大研究人员和工程技术人员能了解、掌握和应用这一领域的最新技术，学会用MATLAB语言进行各种神经网络算法的分析和设计，作者编写这本书，以抛砖引玉，供广大读者学习参考。
本书理论联系实际，面向工程中的问题，具有很强的工程性和实用性，有大量应用实例及其结果分析。神经网络算法取材典型，重点介绍一些有潜力的新思想、新方法和新技术，针对每种神经网络算法给出了仿真实例分析和完整的MATLAB仿真程序，并给出了程序的说明和仿真结果。
本书按神经网络的类型进行介绍，共17章，第1章介绍神经网络理论基础，第2章介绍BP神经网络的基本概念、基本算法和设计方法，第3章介绍基于工具箱的BP神经网络训练与测试方法，第4章介绍基于BP网络的数据建模与修正方法，第5章介绍基于高斯基函数特征提取的模糊BP神经网络设计方法，第6章介绍RBF神经网络基本概念、基本算法和设计方法，第7章介绍模糊RBF神经网络基本概念、基本算法和设计方法，第8章介绍ELM网络算法基本概念、基本算法和设计方法，第9章介绍基于高斯基函数特征提取的FELM神经网络基本概念、基本算法和设计方法，第10章介绍基于ELM神经网络和FELM神经网络集成学习的建模方法，第11章介绍动态回归神经网络基本概念、基本算法和设计方法，第12章介绍带有动态回归层的模糊神经网络基本概念、基本算法和设计方法，第13章介绍PiSigma神经网络基本概念、基本算法和设计方法，第14章介绍小脑模型神经网络基本概念、基本算法和设计方法，第15章介绍Hopfield神经网络设计基本概念、基本算法和设计方法，第16章介绍深度学习算法——卷积神经网络基本概念、基本算法和设计方法，第17章介绍基于长短期记忆网络的拟合与预测方法。
本书介绍的方法有些选自高水平国际杂志和著作中的经典控制方法，并对其中的一些算法进行了修正或补充。书中对一些典型神经网络算法及设计方法进行了较详细的理论分析和仿真分析，使得一些深奥的理论易于掌握，为读者的深入研究打下了基础。
本书是在总结作者多年研究成果的基础上，进一步理论化、系统化、规范化、实用化而成的。与已出版的国内外同类代表著作比较，本书主要特色如下。
(1) 神经网络算法取材新颖，内容先进，包括了近年新发展起来的极限神经网络，并设计了两种新的神经网络算法，即带有动态回归层的模糊神经网络和基于高斯基函数特征提取的ELM神经网络；
(2) 针对每种神经网络算法给出了完整的MATLAB仿真程序，并给出了程序的说明和仿真结果，具有很强的可读性；
(3) 着重从应用领域角度出发，突出理论联系实际，面向广大工程技术人员，具有很强的工程性和实用性，书中有大量应用实例及其结果分析，为读者提供了有益的借鉴；
(4) 本书给出的各种神经网络算法完整，程序结构设计力求简单明了，便于读者自学和进一步开发。
本书中每种神经网络算法的MATLAB仿真设计都是针对其具体算法进行设计和开发的，有些采用了MATLAB工具箱中的函数，便于读者理解算法，并利于读者结合实际应用进一步开发。
由于作者水平有限，书中难免存在一些不足和错误之处，欢迎广大读者批评指正。
刘金琨2025年2月于北京航空航天大学
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
