神經網絡是計算智能和機器學習研究、開發(fā)和應用最活躍的分支之一。本書是神經網絡方面的標準教材，從理論和實際應用出發(fā)，全面、系統(tǒng)地介紹神經網絡的基本模型、基本方法和基本技術，對神經網絡的基本模型和主要學習理論都作了深入研究，特別在學習理論和學習算法的推導方面有極為詳盡而系統(tǒng)地分析，對神經網絡的最新發(fā)展趨勢和主要研究方向都進行了全面而綜合的介紹。理論和實際應用緊密結合，為神經網絡的具體應用打下堅實的基礎，是一本可讀性極強的教材。SimonHaykin是加拿大McMaster大學教授，創(chuàng)辦了通信研究實驗室，并長期擔任主任。他是國際電子電氣工程界的著名學者，于1953年獲得英國伯明翰大學博士學位。曾獲得IEEEMcNaughton金獎。他是加拿大皇家學會院士，IEEE會士，在神經網絡、通信、自適應濾波器等領域成果頗豐，著有多種標準教材。神經網絡是計算智能和機器學習研究的最活躍的分支之一。本書全面系統(tǒng)地介紹神經網絡的基本概念、系統(tǒng)理論和實際應用。本書包含四個組成部分：導論，監(jiān)督學習，無監(jiān)督學習，神經網絡動力學模型。導論部分介紹神經元模型、神經網絡結構和機器學習的基本概念和理論。監(jiān)督學習討論感知機學習規(guī)則，有監(jiān)督的Hebb學習，Widrow-Hoff學習算法，反向傳播算法及其變形，RBF網絡，正則化網絡，支持向量機以及委員會機器。無監(jiān)督學習包括主分量分析，自組織特征映射模型的競爭學習形式，無監(jiān)督學習的信息理論，植根于統(tǒng)計力學的隨機學習機器，最后是與動態(tài)規(guī)劃相關的增強式學習。神經網絡動力學模型研究由短期記憶和分層前饋網絡構成的動態(tài)系統(tǒng)，反饋非線性動態(tài)系統(tǒng)的穩(wěn)定性和聯(lián)想記憶，以及另一類非線性動態(tài)驅動的遞歸網絡系統(tǒng)。本書注重對數(shù)學分析方法和性能優(yōu)化的討論，強調神經網絡在模式識別、信號處理和控制系統(tǒng)等實際工程問題中的應用。書中包含大量例題和習題，并配有13個基于MATLAB軟件的計算機實驗程序。本書適于作研究生或大學高年級學生的教材，也可作希望深入學習神經網絡的科技人員的參考書。
鄂公網安備 42010302001612號 