人工神经网络基础
出版时间：2014年版
内容简介
《人工神经网络基础》从混沌学的基本概念出发介绍混沌信号噪声滤除方法，重点论述了具有混沌特性时间序列的预测方法。针对一些实际问题，给出了多个实际混沌系统预测研究的算例，希望能对感兴趣的读者有所帮助。《人工神经网络基础》可以作为相关专业本科生、研究生以及研究人员的参考书，在内容上力求做到理论完整、推算翔实，在写作上力求做到深入浅出、通俗易懂，使其具有良好的可读性，以方便读者对书中内容的理解和应用。
目录
第1章神经网络概述
1.1神经网络的基本概念
1.1.1人脑与电子计算机的比较
1.1.2什么是神经网络
1.2神经网络发展的历史回顾
1.2.1神经网络研究的兴起
1.2.2神经网络研究的萧条与反思
1.2.3神经网络研究的复兴与再发展
1.2.4神经网络研究的热潮
1.2.5神经网络的新发展阶段
1.3神经网络的研究进展
1.4神经网络的基本特点、功能与应用
1.4.1神经网络的基本特点
1.4.2神经网络的基本功能
1.4.3神经网络的应用
本章小结
思考与练习
第2章神经网络基础
2.1人脑神经系统概述
2.1.1人脑的基本结构
2.1.2人脑神经系统的各部分功能
2.2生物神经网络的基本概念
2.2.1生物神经元
2.2.2生物神经元的信息传递方式
2.3人工神经网络的基本概念
2.3.1人工神经元
2.3.2神经元的激活函数
2.4人工神经网络模型
2.4.1神经网络的网络结构
2.4.2典型的神经网络结构模型
2.5神经网络的学习
2.5.1神经网络学习规则分类
2.5.2几种常用的学习规则
2.5.3神经网络的泛化能力
本章小结
思考与练习
第3章前馈神经网络
3.1基本概念
3.2感知器
3.2.1单层感知器
3.2.2多层感知器
3.3BP神经网络
3.3.1误差反向传播算法
3.3.2误差反向传播算法的改进
3.3.3BP神经网络的设计
3.4径向基函数神经网络
3.4.1径向基函数神经网络的结构
3.4.2径向基函数神经网络的学习算法
本章小结
思考与练习
第4章递归神经网络
4.1递归神经网络的基本概念
4.2Hopfield神经网络
4.2.1离散型Hopfield神经网络
4.2.2连续型Hopfield神经网络
4.3Boltzmann机
4.3.1Boltzmann机的基本概念
4.3.2Boltzmann机网络结构
4.3.3Boltzmann机学习算法
4.4储备池网络
4.4.1储备池网络结构模型
4.4.2储备池网络学习算法
本章小结
思考与练习
第5章自组织竞争型神经网络
5.1自组织竞争型神经网络基本概念
5.1.1内星和外星学习规则
5.1.2竞争学习规则
5.2自适应共振理论神经网络
5.2.1ARTI型神经网络的结构及工作原理
5.2.2ARTI型神经网络的学习规则
5.3自组织特征映射神经网络
5.3.1自组织特征映射神经网络模型
5.3.2自组织特征映射神经网络运行原理
5.3.3自组织特征映射神经网络学习算法
5.4对向传播神经网络
5.4.1对向传播神经网络结构
5.4.2对向传播神经网络训练过程
5.5学习向量量化神经网络
5.5.1向量量化
5.5.2学习向量量化神经网络工作原理
本章小结
思考与练习
第6章支持向量机
6.1支持向量机的基本概念
6.2线性支持向量机
6.2.1线性可分离问题的算法
6.2.2线性不可分离问题的算法
6.3非线性支持向量机
6.3.1非线性问题的算法
6.3.2核函数
本章小结
思考与练习
第7章神经网络仿真实例
7.1仿真数据说明
7.2BP神经网络仿真实例
7.3径向基函数神经网络仿真实例
7.4Hopfield神经网络仿真实例
7.5Boltzmann机仿真实例
7.6储备池网络仿真实例
7.7ARTI型神经网络仿真实例
7.8自组织特征映射神经网络仿真实例
7.9对向传播神经网络仿真实例
7.10学习向量量化神经网络仿真实例
7.11支持向量机仿真实例
本章小结
思考与练习
附录
参考文献
