《神經網路新理論與方法》

標籤: 暫無標籤

109

更新時間: 2013-12-12

廣告

《神經網路新理論與方法》【作  者】張代遠[同作者作品][作譯者介紹]【出版社】清華大學出版社【書號】7302139385【出版日期】2006年11月《神經網路新理論與方法》 - 作者簡介張代遠,男,博士學位,長期從事神經網路和計算機體系結構方面的科研和教學工作,出版專著、教材及教輔書4部,發表學術論文60餘篇

《神經網路新理論與方法》《神經網路新理論與方法》
【作  者】張代遠[同作者作品][作譯者介紹]
【出版社】清華大學出版社
【書號】7302139385
【出版日期】2006年11月
【開本】185×260
【頁碼】125
【版次】1-1
【所屬分類】計算機>人工智慧>神經計算

本書介紹了作者所提出的人工神經網路的新理論與演算法(樣條權函數神經網路演算法與代數演算法),這些理論與演算法徹底克服了困擾學術界多年的傳統演算法的困難(例如局部極小、收斂速度慢、不收斂、難以求得全局最優點等困難),其中樣條權函數神經網路演算法還具有很好的泛化能力。全書共有7章,討論了人工神經網路的概論、基本概念、實神經網路的代數演算法、全局最小值分析、複數神經網路的代數演算法、樣條權函數神經網路及其學習演算法和神經網路的統計靈敏度分析。

廣告

本書邏輯嚴謹,論述清晰,數學推導詳細,對於相關領域的廣大科技工作者、理工科博士、碩士研究生以及高年級本科生都有很好的參考價值,也可以作為相關領域的培訓或自學教材。

《神經網路新理論與方法》 -作者簡介

張代遠,男,博士學位,長期從事神經網路和計算機體系結構方面的科研和教學工作,出版專著、教材及教輔書4部,發表學術論文60餘篇,其中不少被國際權威機構檢索。作者的主要科研成果如下:神經網路研究領域:作者提出了樣條權函數神經網路演算法與代數演算法,這些理論與方法徹底克服了困擾學術界多年的傳統演算法的局部極小、收斂速度慢、難以求得全局最優點等困難。特別是樣條權函數神經網路理論與演算法具有網路結構簡單、泛化能力強等突出優點,值得推廣。

計算機體系結構領域:作者提出了迭加原理,給出了迭加原理的一般形式和遞推形式。根據迭加原理可以自然地導出獎態圖的畫法規則。引入主流水線漸近參數的概念,導出了計算非線性流水線漸近參數的公式。作者提出的計算非線性流水線參數的公式給出了反映各個參數內在關係的數學表達式。

廣告

《神經網路新理論與方法》 -目錄

第1章概論
1.1計算機、生物神經網路與人工神經網路
1.2本書的目的與價值
1.3神經網路的發展歷史簡介
參考文獻
第2章人工神經元和人工神經網路的基本概念
2.1生物學的啟示
2.2人工神經元模型
2.2.1單輸入單輸出人工神經元
2.2.2多輸入單輸出人工神經元
2.3人工神經網路結構
第3章實神經網路的代數演算法
3.1引言
3.2BP演算法的缺點與困難
3.3代數演算法的基本原理
3.3.1符號與神經網路的拓撲結構
3.3.2代數演算法的理論與實現
3.4計算實例
3.5結論
參考文獻
第4章全局最小值分析
4.1引言
4.2三層前饋網路代價函數全局最小值分析
4.3數值模擬實驗
4.4結論
參考文獻
第5章複數神經網路的代數演算法
5.1引言
5.2複數神經網路的概念
5.3複數神經網路的構造
5.4複數前饋神經網路的全局最優學習演算法的基本原理
5.5隱層神經元個數的確定以及線性方程組的求解
5.5.1解存在的充分必要條件及隱層神經元個數的確定
5.5.2隱層神經元函數的選擇
5.5.3復自由權的選擇
5.6本章結論與數值模擬實驗
參考文獻
第6章樣條權函數神經網路及其學習演算法
6.1引言
6.2學習曲線
6.3投影概念與投影方程
6.4第一類權函數的神經網路拓撲結構與訓練演算法(和函數的訓練演算法)
6.4.1第一類權函數的神經網路拓撲結構
6.4.2樣條權函數方程的建立與求解
6.5第一類權函數的訓練演算法(和函數的訓練演算法)的誤差分析
6.6第一類權函數的神經網路拓撲結構與訓練演算法的一般情況(和函數的訓練演算法)
6.7第二類權函數的神經網路拓撲結構與訓練演算法(積函數的訓練演算法)
6.7.1第二類權函數的訓練演算法(積函數的訓練演算法)的基本原理
6.7.2第二類權函數的訓練演算法(積函數的訓練演算法)的誤差分析
6.8奇異樣本的概念
6.9數值模擬實驗
6.10結論
參考文獻
第7章神經網路的統計靈敏度分析
7.1引言
7.2符號約定
7.3靈敏度分析
7.3.1神經網路誤差的一般計算公式
7.3.2三層神經網路的輸出層誤差與靈敏度的計算
7.3.3INI網路的輸出層誤差與靈敏度計算
7.4數值模擬實驗
7.5結論
參考文獻

廣告

《神經網路新理論與方法》 -【前言】

本書介紹了作者提出的人工神經網路的新理論與演算法,主要是實神經網路的代數演算法、復神經網路的代數演算法、樣條權函數神經網路演算法(這些演算法的名稱是作者取的)。.

這些理論與演算法徹底克服了困擾學術界多年的傳統演算法的困難(例如BP或RBF演算法中,局部極小、收斂速度慢、不收斂、難以求得全局最優點等困難)。本書凝聚著作者近幾年的創新成果,希望能夠起到拋磚引玉,繼往開來的作用。神經網路作為人工智慧的一個重要分支,備受關注,它的研究成果對於新一代計算機的研究開發具有重要的意義。作者真誠希望廣大讀者提出寶貴建議(作者的郵箱地址是dyzhang@njupt.edu.cn),共同推動這一研究領域的發..

 

 

 

廣告

廣告