人工神经网络理论及应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

人工神经网络理论及应用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

第一篇 人工神经网络基础篇3

第1章 生物神经网络理论基础3

1.1生物神经元的结构和功能3

1.2神经系统的电活动4

1.3人脑的信息存储6

1.4人脑与电脑8

习题10

参考文献11

第2章 人工神经网络概述12

2.1人工神经网络发展历程12

2.2人工神经网络特点18

2.3人工神经网络应用19

习题23

参考文献24

第3章 人工神经网络数理基础25

3.1神经元模型25

3.2导数29

3.3微分30

3.3.1定义30

3.3.2定理与性质30

3.4积分30

3.4.1定义30

3.4.2定积分定理与性质31

3.5梯度31

3.6行列式32

3.7矩阵32

3.7.1概念32

3.7.2矩阵的运算33

3.7.3矩阵运算性质33

3.8向量34

3.8.1定义34

3.8.2向量的运算和向量内积的准则34

3.8.3线性表示与线性相关34

3.9特征值与特征向量34

3.10随机事件与概率35

3.11范数36

3.11.1定义36

3.11.2向量的范数36

3.11.3矩阵的范数36

习题37

参考文献37

第二篇 人工神经网络理论篇41

第4章 感知器41

4.1概述41

4.2感知器的结构和原理42

4.2.1感知器的结构42

4.2.2感知器的原理42

4.2.3感知器的学习策略44

4.3单层感知器44

4.3.1单层感知器模型44

4.3.2单层感知器的功能46

4.3.3单层感知器的学习算法47

4.3.4单层感知器的局限性49

4.4多层感知器50

4.4.1多层感知器的结构和特点50

4.4.2多层感知器的功能51

4.4.3多层感知器的学习算法53

4.5应用案例54

习题58

参考文献59

第5章 BP神经网络60

5.1概述60

5.2BP神经网络结构61

5.3BP神经网络算法62

5.3.1算法原理62

5.3.2反向传播实例66

5.4BP算法的不足与改进68

5.4.1BP算法的不足68

5.4.2BP算法的改进70

5.5应用案例72

习题78

参考文献79

第6章 RBF神经网络80

6.1概述80

6.2RBF神经网络结构和原理81

6.3RBF神经网络算法82

6.4RBF神经网络的相关问题84

6.5应用案例85

习题87

参考文献88

第7章 ADALINE神经网络89

7.1概述89

7.2ADALINE结构和原理89

7.2.1单层ADALINE模型89

7.2.2算法原理90

7.2.3多层ADALINE模型92

7.3应用案例94

习题98

参考文献98

第8章 Hopfield神经网络99

8.1概述99

8.2离散Hopfield神经网络99

8.2.1网络结构99

8.2.2工作方式100

8.2.3网络的稳定性101

8.2.4网络算法102

8.3连续Hopfield神经网络104

8.3.1网络结构104

8.3.2网络的稳定性106

8.4应用案例106

习题112

参考文献112

第9章 深度卷积神经网络113

9.1概述113

9.2深度卷积神经网络的结构和原理113

9.2.1深度卷积神经网络的结构113

9.2.2深度卷积神经网络的原理115

9.3几种基本的深度卷积神经网络116

9.3.1AlexNet116

9.3.2VGGNet117

9.3.3ResNet118

9.4应用案例119

9.4.1几种深度学习应用框架119

9.4.2基于AlexNet的图像识别120

习题123

参考文献123

第10章 生成式对抗网络124

10.1概述124

10.2生成式对抗网络的结构125

10.3生成式对抗网络算法126

10.4改进的生成式对抗网络128

10.5应用案例130

习题133

参考文献133

第11章 Elman神经网络134

11.1概述134

11.2Elman神经网络结构和原理134

11.3Elman神经网络的学习算法136

11.4Elman神经网络稳定性分析137

11.5应用案例139

习题143

参考文献143

第12章 AdaBoost神经网络144

12.1概述144

12.2AdaBoost网络结构和算法144

12.3AdaBoost算法中的影响因素147

12.3.1AdaBoost算法的训练误差分析147

12.3.2AdaBoost分类问题中的损失函数148

12.3.3AdaBoost算法的正则化149

12.4应用案例150

习题155

参考文献156

第13章 SOFM神经网络157

13.1概述157

13.2SOFM神经网络的结构157

13.3SOFM神经网络的原理和学习算法158

13.3.1SOFM神经网络的原理158

13.3.2SOFM神经网络的学习算法160

13.4应用案例161

习题166

参考文献166

第三篇 人工神经网络实践及应用篇169

第14章 基于Simulink的人工神经网络建模169

14.1概述169

14.2Simulink启动和神经网络模块库169

14.2.1Simulink的启动169

14.2.2Simulink神经网络模块库171

14.3模型的设置和操作175

14.3.1模块的操作175

14.3.2信号线的操作176

14.3.3仿真参数的设置176

14.3.4常用模块的设置177

14.4单神经元建模180

14.5函数逼近的Simulink仿真模型183

14.5.1参数未改变的模型及仿真183

14.5.2改变参数的模型及仿真185

14.6应用案例189

习题193

参考文献193

第15章 基于GUI的人工神经网络设计194

15.1概述194

15.2软件架构设计194

15.3创建工程195

15.3.1FIG文件编辑器197

15.3.2M文件编辑器198

15.4主页面设计199

15.5交互式参数设置202

15.6软件主要功能设计204

15.6.1检测识别205

15.6.2处理建议214

15.7辅助功能217

15.8帮助文件制作219

习题221

参考文献222

附录A GUI对象的常用属性223

附录B 特殊字符格式说明226

附录C 软件代码227