新書推薦：
《
君士坦丁堡深仇400年：俄土战争（1877—1878）（全2册）
》
售價：NT$
1051.0
《
城市文明蓝皮书：全球城市文明发展报告（2024-2025）
》
售價：NT$
653.0
《
未来生活金融指南
》
售價：NT$
296.0
《
《法官如何裁判》（在法律规范体系的框架下如何寻求个案公正的判决之道，麦读译丛18）
》
售價：NT$
403.0
《
自由的危机：全球视角下的英国内战史
》
售價：NT$
806.0
《
索恩丛书·俾斯麦：欧洲风暴
》
售價：NT$
913.0
《
元首政治与帝国治理——以赫洛迪安《罗马帝国史》为考察对象
》
售價：NT$
347.0
《
镜观中国 1930年代的中国人、中国事和中国景 “走近中国”译丛系列
》
售價：NT$
398.0
|
| 編輯推薦： |
|
本书遵循教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。
|
| 內容簡介： |
|
本书系统地介绍了人工神经网络的基础知识、工作原理及应用实例，旨在帮助读者深入掌握人工神经网络的设计及应用方法。全书共10 章，涵盖从基础理论到典型神经网络设计的各个方面。前两章详细讲解了人工神经网络的基本概念、结构及工作原理，为后续的神经网络设计奠定理论基础。随后的章节重点介绍了不同类型的典型神经网络，包括结构设计方法、学习算法以及在实际场景中的应用。本书通过理论与实践相结合的方式，激发读者研究神经网络的兴趣，并为其进行创新设计提供指导。 本书不仅适合作为高等学校自动化类、电子信息类、计算机类高年级本科生或研究生的神经网络课程教材，还可为有志于学习和研究人工神经网络的技术人员和工程师提供参考。 本书配有教学课件、教学大纲、程序代码和习题答案等教学资源，选用本书作教材的教师，可登录www. cmpedu. com 注册后下载，或发邮件至jinacmp@163. com索取。
|
| 目錄：
|
|
前言第1章绪论1.1人工神经网络1.1.1人工神经网络的特点1.1.2人工神经网络的功能1.2人工神经网络的产生和发展1.2.1人工神经网络的产生1.2.2人工神经网络的发展1.3人工神经网络的未来前景习题第2章人工神经网络构成2.1神经元模型2.1.1生物神经元2.1.2MP模型2.1.3激活函数的类型和作用2.2神经元学习规则2.2.1Hebb学习规则2.2.2WidrowHoff学习规则2.3神经网络结构2.3.1前馈神经网络2.3.2递归神经网络2.4神经网络学习算法2.4.1最速下降法2.4.2牛顿法2.5神经网络性能分析2.5.1学习能力2.5.2泛化性能2.5.3欠拟合和过拟合习题参考文献第3章感知器3.1单层感知器3.1.1单层感知器结构和工作原理3.1.2单层感知器的学习算法3.1.3单层感知器的局限性3.2多层感知器3.2.1多层感知器结构和工作原理3.2.2反向传播算法和BP网络3.2.3批量学习和增量学习3.3多层感知器结构设计3.3.1基于经验公式的多层感知器结构设计3.3.2修剪型多层感知器结构设计3.4应用实例3.4.1非线性函数逼近3.4.2鸢尾花分类习题参考文献第4章径向基函数神经网络4.1局部映射特性4.1.1局部映射特性的概念和意义4.1.2径向基函数神经网络的局部映射特性4.2径向基函数神经网络工作原理4.2.1径向基函数神经网络结构4.2.2径向基函数神经网络万能逼近能力4.3径向基函数神经网络学习算法4.3.1线性最小二乘法4.3.2梯度下降法4.3.3LM算法4.4径向基函数神经网络结构设计4.4.1基于聚类的径向基函数神经网络结构设计4.4.2增长型径向基函数神经网络结构设计4.5应用实例4.5.1SinE函数逼近4.5.2波士顿房价预测习题参考文献第5章Hopfield神经网络5.1离散型Hopfield神经网络5.1.1离散型Hopfield神经网络结构与工作原理5.1.2离散型Hopfield神经网络稳定性5.1.3联想存储与外积和法5.2连续型Hopfield神经网络5.2.1连续型Hopfield神经网络结构与工作原理5.2.2连续型Hopfield神经网络稳定性5.3应用实例习题参考文献第6章长短期记忆网络6.1递归神经网络的挑战6.1.1长期依赖问题6.1.2梯度消失和梯度爆炸6.2长短期记忆神经网络结构及工作原理6.2.1长短期记忆神经网络结构的基本组成6.2.2输入门、遗忘门和输出门的作用6.3超参数对长短期记忆神经网络性能的影响6.3.1长短期记忆神经网络的超参数及其作用6.3.2学习率、隐含单元个数和层数的选择对性能的影响6.4长短期记忆神经网络超参数优化方法6.4.1超参数优化的目标与挑战6.4.2自适应学习率算法6.4.3增长修剪型结构设计算法6.5应用实例：电力负荷预测习题参考文献第7章回声状态网络7.1回声状态网络的结构和工作原理7.1.1回声状态网络的结构7.1.2回声状态网络的工作原理7.2回声状态网络的学习过程7.3回声状态网络的设计7.3.1回声状态网络的设计过程7.3.2增长型回声状态网络7.4回声状态网络的应用实例7.4.1数据集7.4.2参数设置7.4.3性能指标评估7.4.4实验结果习题参考文献第8章卷积神经网络8.1卷积神经网络基础8.1.1卷积运算8.1.2卷积神经网络的基本概念8.2卷积神经网络结构及其学习算法8.2.1卷积神经网络结构8.2.2卷积神经网络学习算法8.3典型卷积神经网络8.3.1LeNet58.3.2AlexNet8.3.3ResNet8.4应用实例：图像识别习题参考文献第9章深度信念网络9.1受限玻尔兹曼机9.1.1玻尔兹曼机与受限玻尔兹曼机9.1.2能量最小化9.2深度信念网络9.2.1深度信念网络结构9.2.2对比散度算法9.3深度信念网络设计9.4应用实例：手写数字识别习题参考文献第10章人工神经网络应用10.1基于人工神经网络的污染物排放智能检测10.1.1城市污水处理系统10.1.2数据收集与预处理10.1.3人工神经网络设计10.1.4数据集10.2基于人工神经网络的污染治理过程智能控制10.2.1城市固废焚烧系统10.2.2模型预测控制架构10.2.3人工神经网络设计10.2.4控制律求解10.2.5数据集参考文献
|
| 內容試閱：
|
|
前言 大脑是人类智慧和行为的源泉，也是人类区别于其他生物的智能器官。自19世纪以来，人们一直在探索人脑的工作原理和思维的本质，并尝试构建具有人类思维模式的人工智能系统，由此催生了人工神经网络。 人工神经元是对生物神经元的结构和功能进行模拟后建立的抽象数学模型，人工神经元通过相互连接组成了人工神经网络。自从1943年Warren McCulloch和Walter Pitts提出第一个人工神经网络模型（MP模型）以来，众多学者投身于神经网络的研究，不同类型的神经网络和学习算法层出不穷，这些成果极大地推动了人工智能的发展，使神经网络成为新一轮科技革命和产业变革的重要推动力。 本书是作者在多年从事人工神经网络设计研究和教学工作基础上进行的系统总结。通过深入调研大量国内外相关文献，提炼出最核心的理论与技术成果，力求清晰地阐述人工神经网络的设计理论和方法，并展示其广泛的应用效果。本书旨在为人工神经网络的初学者提供一个全面、实用的学习参考，为他们在这一领域的探索奠定坚实基础。 全书共10章，第1章和第2章着重介绍人工神经网络的基础内容，为神经网络的设计以及应用奠定基础。第1章作为本书绪论，简要概述人工神经网络的基本功能和作用，回顾其发展历程，并展望未来前景。第2章则深入探讨神经元的结构与功能，帮助读者理解神经元如何通过学习实现特定功能。在此基础上，简要介绍神经网络的基础结构和学习算法，并分析影响神经网络性能的关键因素。 第3章和第4章重点介绍典型前馈神经网络的设计与技术应用。第3章详细论述单层和多层感知器网络的拓扑结构及其算法原理，着重介绍网络参数和结构的学习算法。通过非线性函数逼近和鸢尾花分类问题的实例，读者可以学会利用MATLAB神经网络工具箱进行网络设计。第4章介绍径向基函数神经网络的工作原理，深入分析其特性，并通过多个实例展示网络设计的方法。书中采用非线性函数逼近和房价预测问题作为实践案例，阐述如何使用径向基函数神经网络解决实际问题。 第5~7章主要关注三种代表性的递归神经网络。第5章探讨Hopfield神经网络的工作原理及使用方法，详细介绍离散型Hopfield神经网络和连续型Hopfield神经网络，并通过应用实例说明如何使用Hopfield神经网络解决实际问题。第6章介绍长短期记忆网络，分析网络超参数对网络性能的影响，并以电力负荷预测问题为例，展示如何设计长短期记忆网络解决实际问题。第7章讨论回声状态网络，包括其工作原理、学习算法以及结构设计，结合三种时间序列问题，介绍回声状态网络的设计方法。 第8~9章介绍两种典型的深度神经网络。第8章首先介绍卷积神经网络（CNN）的基本概念，并进一步阐述其网络结构和学习算法。通过手写数字识别问题的实例，帮助读者理解卷积神经网络的设计与应用。第9章则基于玻尔兹曼机，介绍深度信念网络（DBN）的算法原理，重点讨论网络的设计方法，同样以手写数字识别问题为例，展示深度信念网络的实际应用。 第10章重点介绍如何通过人工神经网络赋能解决国家重大需求问题。基于作者在环保自动化和智能化领域多年的研究成果，本章详细阐述如何应用人工神经网络实现污水处理过程和城市固废焚烧过程的智能检测与智能控制。通过理论与实践相结合的方式，加深读者对神经网络知识的理解。 在本书的编写过程中，作者特别注重神经网络基础知识和工作原理的介绍，旨在帮助读者快速理解神经网络的设计方法和实际应用，避免因烦琐的数学推导影响学习兴趣。此外，本书注重采用简单易懂的实例，激发读者使用神经网络解决实际问题的兴趣。在内容选择上，书中侧重介绍那些广泛应用且具有代表性的神经网络类型；在结构编排上，特别注意初学者对新概念的接受能力和思维的逻辑性，力求做到深入浅出、自然流畅。 在编写本书过程中，作者参考了大量文献，在此向这些文献的作者致以诚挚的感谢。如书中存在参考资料未注明出处的情况，或对某些资料经过加工修改后引用的情况，在此郑重声明：其著作权仍归原作者所有。 书中难免有不足或不妥之处，恳请广大读者批评指正。 作者
|
|
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
