自適應多尺度網絡理論與應用

定　價：￥38.00

作　者：	焦李成、楊淑媛
出版社：	科學出版社
叢編項：
標　簽：	人工智能

購買這本書可以去

ISBN：	9787030216939	出版時間：	2008-01-01	包裝：	精裝
開本：	16	頁數：	178	字數：

內容簡介

　　《自適應多尺度網絡理論與應用》從認知神經科學出發(fā)，首先闡述了神經計算的范疇、基本原理、歷史、發(fā)展與前景，論述了一些經典的、目前仍在神經科學研究領域中得到廣泛應用的研究技術，以及一些當前正在興起的、已處于應用階段或正待完善的新的模型與方法；進而將后子波分析（或第三代子波分析）與神經計算相結合，提出了自適應多尺度幾何網絡的概念，詳細分析和建立了多種自適應多尺度幾何網絡模型和自適應學習算法，并且討論了它們在模式識別、函數逼近、圖像識別與數據分類等中的應用?！蹲赃m應多尺度網絡理論與應用》適合信息與通信系統(tǒng)、電子科學與技術、計算機科學與工程、控制科學與工程、智能科學與技術等領域的研究人員閱讀，也可作為相關專業(yè)研究生或高年級本科生的參考用書。

作者簡介

　　焦李成，1959年月10出生，教授。1982，1984和1990年于上海交通大學、西安交通大學獲學士、碩士、博士學位，1990年-1992年在西安電子科技大學從事博士后研究。1992年6月至今任西安電子科技大學雷達信號處理國家重點實驗室教授、博士生導師。曾任中華人民共和國第八界全國人大代表。在1996年至2002年期間，曾任西安電子科技大學研究生部主任、西安電子科技大學研究生院常務副院長、西安電子科技大學學科辦主任。現(xiàn)任西安電子科技大學電子工程學院院長、西安電子科技大學智能信息處理研究所所長，2000年至今任西安電子科技大學特聘教授，校首批創(chuàng)新團隊的首席專家。焦李成現(xiàn)為國務院學位委員會學科評議組成員，教育部本科教學水平評估專家，IEEE高級會員，中國人工智能學會常務理事，中國電子學會理事，中國神經網絡委員會委員，中國計算機學會AI與模式識別委員會委員，中國運籌學會智能計算委員會付主任，《電子學報》（中、英文版）和《電子與信息學報》編委。陜西省十大杰出青年之一。

圖書目錄

前言
第1章　緒論
1.1　認知神經科學
1.2　神經計算
1.2.1　神經計算的研究范疇
1.2.2　神經計算的歷史與發(fā)展
1.2.3　神經計算的幾個重要研究領域
1.3　本書的主要內容
參考文獻
第2章　統(tǒng)計學習：神經網絡模型
2.1　Bayes理論
2.2　單層前饋網絡和學習規(guī)則
2.2.1　感知器訓練規(guī)則
2.2.2　線性單元的梯度下降規(guī)則
2.2.3　隨機梯度下降法
2.2.4　線性規(guī)劃方法
2.3　多層網絡和反向傳播學習規(guī)則
2.3.1　反向傳播算法
2.3.2　反向傳播算法性能分析
2.3.3　改進的反向傳播算法
2.4　SRM和SVM網絡
2.4.1　線性支撐矢量機網絡
2.4.2　非線性支撐矢量機網絡
參考文獻
第3章　神經計算進展
3.1　Bayes神經網絡
3.1.1　Bayes網絡
3.1.2　Bayes網絡推斷
3.1.3　Bayes網絡學習
3.2　正則學習和RBF神經網絡
3.2.1　具有徑向基穩(wěn)定子的正則網絡
3.2.2　具有張量穩(wěn)定子的正則網絡
3.2.3　具有加性穩(wěn)定子的正則網絡
3.2.4　正則網絡的Bayes解釋
3.2.5　徑向基神經網絡
3.3　多尺度分析和子波神經網絡
3.3.1　子波理論
3.3.2　多變量函數估計子波網絡
3.3.3　正交多分辨子波網絡
3.3.4　多子波神經網絡
3.4　量子神經網絡
3.4.1　基于量子雙縫干涉實驗的計算模型
3.4.2　具有量子力學特性的人工神經元模型
3.4.3　量子聯(lián)想記憶模型
3.4.4　基于多宇宙觀點的計算模型
參考文獻
第4章　多尺度幾何分析與網絡
4.1　多尺度分析
4.2　多尺度幾何分析系統(tǒng)中的方向基
4.3　脊波
4.4　曲線波
4.5　輪廓波
4.6　Bandelet
4.7　Beamlet
4.8　Brushlet
4.9　Wedgelet
4.10　多尺度幾何網絡
參考文獻
第5章　自適應脊波網絡
5.1　引言
5.2　自適應連續(xù)脊波網絡
5.2.1　網絡模型和算法
5.2.2　網絡收斂性能分析
5.2.3　實驗和結果分析
5.3　廣義正則脊波網絡
5.3.1　網絡模型和學習算法
5.3.2　實驗結果分析
參考文獻
第6章　方向多分辨脊波網絡
6.1　引言
6.2　脊波框架
6.3　方向多分辨脊波網絡
6.3.1　網絡模型
6.3.2　網絡隱層節(jié)點數目的確定
6.3.3　網絡訓練算法
6.4　方向多分辨脊波網絡的性質
6.5　實驗和結果分析
參考文獻
第7章　線性脊波網絡
7.1　核光滑方法
7.2　線性脊波模型
7.2.1　線性脊波網絡
7.2.2　學習算法
7.3　實驗和結果分析
參考文獻
第8章　脊波核函數網絡
8.1　引言
8.2　脊波核函數網絡
8.3　脊波核函數網絡的學習算法
8.3.1　最小化平方誤差算法的正則化核形式
8.3.2　基于遺傳算法的方向向量優(yōu)化
8.4　實驗和結果分析
參考文獻
第9章　曲線波網絡模型
9.1　引言
9.2　圖像處理中的曲線波變換
9.3　曲線波框架的性質
9.4　曲線波網絡
9.5　實驗和結果分析
參考文獻
第10章　輪廓波網絡模型
10.1　輪廓波網絡模型
10.2　基于子波包分解的輪廓波包
10.3　最優(yōu)輪廓波包
10.4　基于量子遺傳算法的最優(yōu)輪廓波包的構造
10.4.1　量子遺傳算法
10.4.2　量子遺傳算法優(yōu)化輪廓波包
10.5　最優(yōu)輪廓波包網絡
10.6　實驗和結果分析
參考文獻