前馈神经网络及其应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

前馈神经网络及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1有监督学习和无监督学习1

1.1.1有监督学习1

1.1.2无监督学习3

1.2神经网络的分类3

1.2.1前馈神经网络4

1.2.2反馈神经网络6

1.3前馈神经网络的模型选择与混合策略6

1.3.1前馈神经网络的模型选择6

1.3.2前馈神经网络的混合策略9

参考文献10

第2章 有监督学习前馈神经网络14

2.1多层感知器神经网络14

2.1.1网络结构14

2.1.2学习算法15

2.1.3逼近理论17

2.2径向基函数神经网络18

2.2.1网络结构18

2.2.2学习算法19

2.2.3逼近理论21

2.3切比雪夫神经网络22

2.3.1网络结构22

2.3.2学习算法23

2.3.3逼近理论24

2.4支持向量机25

2.4.1网络结构25

2.4.2学习算法27

2.4.3逼近理论28

参考文献29

第3章 无监督学习前馈神经网络33

3.1自组织映射神经网络33

3.1.1网络结构33

3.1.2学习算法34

3.1.3核自组织映射神经网络35

3.2神经气网络37

3.2.1学习算法38

3.2.2核神经气网络39

3.2.3生长型神经气网络40

3.3主成分分析及其改进方法41

3.3.1主成分分析42

3.3.2核主成分分析45

3.3.3二维主成分分析46

参考文献47

第4章 前馈神经网络的模型选择49

4.1基于假设检验的方法49

4.1.1 Wald-检验49

4.1.2 LM检验50

4.2基于信息准则的方法51

4.2.1 AIC准则和BIC准则51

4.2.2最小描述长度和交叉验证52

4.3基于敏感度分析的方法53

4.3.1基于偏导数的敏感度分析方法53

4.3.2基于随机分析的敏感度分析方法58

4.4基于互信息的方法64

4.4.1互信息及其估计64

4.4.2基于互信息的多层感知器两阶段构造方法67

参考文献78

第5章 单个前馈神经网络81

5.1基于正则化相关熵的径向基函数神经网络学习方法81

5.1.1正则化相关熵准则82

5.1.2数值实验87

5.2椭球基函数神经网络的混合学习方法91

5.2.1椭球基函数神经网络92

5.2.2椭球基函数神经网络的混合学习策略93

5.2.3数值实验96

5.3基于互信息的特征加权支持向量机100

5.3.1基于互信息的特征权重估计101

5.3.2特征加权支持向量机103

5.3.3数值实验105

参考文献111

第6章 混合前馈神经网络116

6.1高斯、Sigmoid、切比雪夫混合前馈神经网络116

6.1.1 Gauss-Sigmoid神经网络116

6.1.2高斯-切比雪夫神经网络117

6.1.3数值实验120

6.2基于自适应模糊c均值的混合专家模型125

6.2.1基于PBMF-index的模糊c均值聚类算法129

6.2.2结构描述和实现方法130

6.2.3数值实验131

参考文献142

第7章 前馈神经网络的应用146

7.1前馈神经网络在人脸识别中的应用146

7.2前馈神经网络在非线性时间序列预测中的应用150

7.3前馈神经网络在图像分割中的应用154

7.4前馈神经网络在异常检测中的应用157

参考文献162

附录 部分前馈神经网络的Matlab源代码165

附录1基本模型165

附录2模型选择172

附录3改进模型176

索引188