基函數(shù)神經(jīng)網(wǎng)絡(luò)及應(yīng)用

定　價(jià)：￥28.00

作　者：	鄒阿金，張雨濃著
出版社：	中山大學(xué)出版社
叢編項(xiàng)：	中山大學(xué)學(xué)術(shù)叢書
標(biāo)　簽：	人工智能

購(gòu)買這本書可以去

ISBN：	9787306032751	出版時(shí)間：	2009-04-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	190	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《基函數(shù)神經(jīng)網(wǎng)絡(luò)及應(yīng)用》是作者10余年來(lái)基于函數(shù)逼近論與神經(jīng)生物學(xué)的相關(guān)知識(shí)，在前向神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用方面取得的系列研究成果的總結(jié)以及對(duì)一些最新進(jìn)展的介紹和展望?！痘瘮?shù)神經(jīng)網(wǎng)絡(luò)及應(yīng)用》主要內(nèi)容包括神經(jīng)元激勵(lì)函數(shù)的選取、正交基函數(shù)神經(jīng)網(wǎng)絡(luò)的建模、相關(guān)學(xué)習(xí)算法的設(shè)計(jì)、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的最優(yōu)化、正交基函數(shù)神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)及該類神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識(shí)、濾波器設(shè)計(jì)、非線性預(yù)測(cè)、信息加密、入侵檢測(cè)和模型算法控制（MAC）中的應(yīng)用。最后探討了任意基函數(shù)前向神經(jīng)網(wǎng)絡(luò)的建模機(jī)理，構(gòu)造了基函數(shù)前向神經(jīng)網(wǎng)絡(luò)通用模型，推導(dǎo)出相應(yīng)的學(xué)習(xí)算法公式。書中各章既有相關(guān)性又具相對(duì)獨(dú)立性，既便于讀者總體閱讀也便于選擇性閱讀。相關(guān)章節(jié)的附錄也給出了基于MATLAB的程序代碼?！痘瘮?shù)神經(jīng)網(wǎng)絡(luò)及應(yīng)用》適合高等院校信息學(xué)科各專業(yè)（如人工智能、自動(dòng)控制、電子信息技術(shù)、網(wǎng)絡(luò)工程、計(jì)算機(jī)科學(xué)、系統(tǒng)工程和軟件專業(yè)等）的本科生、碩士研究生和博士研究生使用，同時(shí)也可供廣大IT行業(yè)及相關(guān)工程行業(yè)（如芯片設(shè)計(jì)與制造、資訊安全和機(jī)械電子等）的科技人員、專業(yè)人士和感興趣的數(shù)學(xué)類學(xué)者參考。

作者簡(jiǎn)介

　　鄒阿金，男，1963年生。碩士，副教授。1986年7月畢業(yè)于西北工業(yè)大學(xué)，獲應(yīng)用數(shù)學(xué)學(xué)士學(xué)位；1996年3月畢業(yè)于湖南大學(xué)，獲工業(yè)自動(dòng)化碩士學(xué)位；2008年度中山大學(xué)訪問(wèn)學(xué)者。2000年1月至2002年12月參加國(guó)家自然科學(xué)基金資助項(xiàng)目（19974002），從事信號(hào)處理方面的研究工作；1997年3月至1999年12月參加煤炭系統(tǒng)留學(xué)回國(guó)人員科技基金資助項(xiàng)目（9701），從事算法及圖像處理方面的研究工作；2008年度在中山大學(xué)訪問(wèn)期間，參加了張雨濃教授主持的國(guó)家自然科學(xué)基金資助項(xiàng)目（60643004、60775050）、中山大學(xué)科研啟動(dòng)費(fèi)和后備重點(diǎn)課題資助項(xiàng)目的科研工作，從事基函數(shù)神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用研究等，已發(fā)表論文30多篇。研究方向：神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用。張雨濃，男，教授、博士生導(dǎo)師。1996年入讀華南理工大學(xué)后接觸人工神經(jīng)網(wǎng)絡(luò)理論與實(shí)踐，先后在香港中文大學(xué)、新加坡國(guó)立大學(xué)、英國(guó)Strathclyde大學(xué)和愛爾蘭國(guó)立大學(xué)從事人工神經(jīng)網(wǎng)絡(luò)研究，2006年回國(guó)執(zhí)教于中山大學(xué)，2007年入選教育部“新世紀(jì)優(yōu)秀人才支持計(jì)劃”。多次參加和參與組織相關(guān)學(xué)術(shù)會(huì)議并擔(dān)任組委會(huì)成員和主席等職務(wù)；發(fā)表神經(jīng)網(wǎng)絡(luò)相關(guān)論文70余篇，其中[EEE Transactions論文8篇、SCI論文20余篇、EI論文30余篇。從2001年3月開始提出時(shí)變矩陣／向量／優(yōu)化問(wèn)題的神經(jīng)網(wǎng)絡(luò)新解法，該方法充分利用導(dǎo)數(shù)信息，具有一定預(yù)測(cè)能力，能實(shí)時(shí)逼近問(wèn)題正確解，從而突破了傳統(tǒng)梯度法不能有效求解時(shí)變問(wèn)題的團(tuán)境。2007年開始提出BP神經(jīng)網(wǎng)絡(luò)權(quán)值直接確定理論，用以克服傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)所固有的迭代時(shí)間長(zhǎng)、迭代次數(shù)多、易陷入局部極小點(diǎn)和學(xué)習(xí)精度不高等諸多缺陷。該方法可在極短的時(shí)間內(nèi)（如毫秒級(jí)）一步計(jì)算得到網(wǎng)絡(luò)最優(yōu)權(quán)值，且網(wǎng)絡(luò)學(xué)習(xí)精度也大幅提高。

圖書目錄

第1章神經(jīng)網(wǎng)絡(luò)概述
§1.1 神經(jīng)網(wǎng)絡(luò)發(fā)展簡(jiǎn)史
§1.2 神經(jīng)網(wǎng)絡(luò)的基本概念與構(gòu)成
§1.2.1 神經(jīng)元模型
§1.2.2 神經(jīng)網(wǎng)絡(luò)的構(gòu)成
§1.2.3 神經(jīng)網(wǎng)絡(luò)的功能層次
§1.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法與分類
§1.3.1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
§1.3.2 神經(jīng)網(wǎng)絡(luò)的分類
參考文獻(xiàn)
第2章數(shù)學(xué)基礎(chǔ)
§2.1 正交多項(xiàng)式基函數(shù)及性質(zhì)
§2.2 最佳逼近理論
§2.3 多元多項(xiàng)式逼近理論
§2.4 矩陣的偽逆及線性方程組求解
§2.5 傅立葉級(jí)數(shù)及逼近定理
§2.6 樣條插值
參考文獻(xiàn)
第3章 Chebyshev神經(jīng)網(wǎng)絡(luò)
§3.1 Chebyshev正交基函數(shù)
§3.2 Chebyshev神經(jīng)網(wǎng)絡(luò)建模
§3.2.1 單輸入Chebyshev神經(jīng)網(wǎng)絡(luò)及BP學(xué)習(xí)算法
§3.2.2 多輸入Chebyshev神經(jīng)網(wǎng)絡(luò)及BP學(xué)習(xí)算法
§3.3 正交基函數(shù)神經(jīng)網(wǎng)絡(luò)衍生學(xué)習(xí)算法
§3.4 Chebyshev神經(jīng)網(wǎng)絡(luò)仿真實(shí)驗(yàn)與學(xué)習(xí)算法舉例
§3.5 Chebyshev神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)
§3.5.1 基于模擬電路的Chebyshev神經(jīng)網(wǎng)絡(luò)電路設(shè)計(jì)
§3.5.2 基于單片機(jī)的Chebyshev神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)
§3.5.3 Chebyshev神經(jīng)網(wǎng)絡(luò)模塊SN9701及其應(yīng)用
§3.6 Chebyshev神經(jīng)網(wǎng)絡(luò)非線性預(yù)測(cè)
§3.6.1 Chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型
§3.6.2 Chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)原理
§3.6.3 仿真與預(yù)測(cè)
§3.7 基于混沌控制系統(tǒng)的Chebyshev神經(jīng)網(wǎng)絡(luò)異步加密算法
§3.7.1 基于混沌控制系統(tǒng)的Chebyshev神經(jīng)網(wǎng)絡(luò)建模
§3.7.2 CCNN異步加密算法設(shè)計(jì)
§3.7.3 加密實(shí)例與算法安全性分析
參考文獻(xiàn)
附錄
第4章 Legendre神經(jīng)網(wǎng)絡(luò)
§4.1 Legendre正交基函數(shù)及逼近定理
§4.2 Legendre神經(jīng)網(wǎng)絡(luò)建模
§4.3 Legendre神經(jīng)網(wǎng)絡(luò)在股票預(yù)測(cè)中的應(yīng)用
§4.3.1 基于Legendre神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型
§4.3.2 Legenclre神經(jīng)網(wǎng)絡(luò)股票預(yù)測(cè)
§4.4 Legendre神經(jīng)網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)的實(shí)現(xiàn)
§4.4.1 數(shù)據(jù)樣本的收集與處理
§4.4.2 Legendre神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
§4.4.3 實(shí)驗(yàn)結(jié)果
§4.5 基于XOR的Legendre混沌神經(jīng)網(wǎng)絡(luò)異步加密算法
§4.5.1 Legendre混沌神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
§4.5.2 LCNN“一次一密”異步加密算法設(shè)計(jì)
§4.5.3 加密實(shí)例
參考文獻(xiàn)
附錄
第5章 Hermite神經(jīng)網(wǎng)絡(luò)
§5.1 Hermite正交基函數(shù)及逼近定理
§5.2 Hermite神經(jīng)網(wǎng)絡(luò)建模及權(quán)值學(xué)習(xí)算法
§5.3 其他正交多項(xiàng)式基函數(shù)神經(jīng)網(wǎng)絡(luò)
§5.3.1 Laguerre多項(xiàng)式
§5.3.2 Jacobi多項(xiàng)式
§5.3.3 Gegenbauer多項(xiàng)式
§5.4 基于混沌序列的Hermite神經(jīng)網(wǎng)絡(luò)異步加密
§5.4.1 Hermite混沌神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
§5.4.2 基于HCNN的“一次一密”加密算法設(shè)計(jì)
§5.4.3 算法分析
§5.4.4 加密實(shí)例
參考文獻(xiàn)
附錄
第6章樣條神經(jīng)網(wǎng)絡(luò)
§6.1 樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)建模
§6.2 樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)的非線性對(duì)象仿真
參考文獻(xiàn)
附錄
第7章多輸入多項(xiàng)式神經(jīng)網(wǎng)絡(luò)
§7.1 多輸入多項(xiàng)式基函數(shù)神經(jīng)網(wǎng)絡(luò)引論
§7.2 多輸入多項(xiàng)式神經(jīng)網(wǎng)絡(luò)的構(gòu)造原理
§7.2.1 多輸入多項(xiàng)式基函數(shù)神經(jīng)元模型
§7.2.2 二輸入多項(xiàng)式神經(jīng)網(wǎng)絡(luò)模型
§7.3 網(wǎng)絡(luò)權(quán)值迭代和一步確定
§7.4 神經(jīng)網(wǎng)絡(luò)最優(yōu)拓?fù)浣Y(jié)構(gòu)篩減算法原理
§7.4.1 多元多項(xiàng)式最佳均方逼近
§7.4.2 多輸入多項(xiàng)式神經(jīng)網(wǎng)絡(luò)模型
§7.4.3 神經(jīng)網(wǎng)絡(luò)篩減原理與算法設(shè)計(jì)
§7.4.4 仿真實(shí)例
§7.5 多輸入分片二次多項(xiàng)式神經(jīng)網(wǎng)絡(luò)
§7.5.1 二元函數(shù)分片光滑逼近
§7.5.2 二元多項(xiàng)式基函數(shù)神經(jīng)網(wǎng)絡(luò)建模
§7.5.3 二元二次多項(xiàng)式基函數(shù)神經(jīng)網(wǎng)絡(luò)仿真
§7.6 二元二次多項(xiàng)式神經(jīng)網(wǎng)絡(luò)在非線性MAC中的應(yīng)用
§7.6.1 基于二元二次多項(xiàng)式神經(jīng)網(wǎng)絡(luò)MAC原理
§7.6.2 仿真研究
§7.7 多項(xiàng)式神經(jīng)網(wǎng)絡(luò)在機(jī)票收益預(yù)測(cè)中的應(yīng)用
§7.7.1 機(jī)票定價(jià)的現(xiàn)狀
§7.7.2 機(jī)票定價(jià)的主要影響因素
§7.7.3 基于多項(xiàng)式神經(jīng)網(wǎng)絡(luò)的機(jī)票收益預(yù)測(cè)
參考文獻(xiàn)
附錄
第8章 Fourier神經(jīng)網(wǎng)絡(luò)
§8.1 Fourier神經(jīng)網(wǎng)絡(luò)建模與仿真
§8.2 E弦基函數(shù)神經(jīng)網(wǎng)絡(luò)濾波器設(shè)計(jì)
§8.2.1 FIR數(shù)字濾波器振幅特性
§8.2.2 正弦基函數(shù)神經(jīng)網(wǎng)絡(luò)建模及濾波器設(shè)計(jì)
§8.3 余弦基函數(shù)神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)
§8.3.1 余弦基函數(shù)神經(jīng)網(wǎng)絡(luò)模型
§8.3.2 余弦基函數(shù)神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)方法
參考文獻(xiàn)
附錄
第9章基函數(shù)神經(jīng)網(wǎng)絡(luò)統(tǒng)一模型
§9.1 人腦的結(jié)構(gòu)與功能
§9.1.1 右腦（本能腦·潛意識(shí)腦）
§9.1.2 左腦（意識(shí)腦）
§9.2 歐氏空間逼近論
§9.2.1 歐氏空間與Schmidt正交化
§9.2.2 歐氏空間Chebyshev最佳平方逼近
§9.2.3 任意函數(shù)的Chebyshev級(jí)數(shù)
§9.3 任意基函數(shù)神經(jīng)網(wǎng)絡(luò)統(tǒng)一建模
§9.3.1 基函數(shù)神經(jīng)網(wǎng)絡(luò)建模機(jī)理
§9.3.2 基函數(shù)神經(jīng)網(wǎng)絡(luò)通用模型及學(xué)習(xí)算法
§9.4 仿真實(shí)驗(yàn)及兩類通用模型的比較
§9.5 任意基函數(shù)神經(jīng)網(wǎng)絡(luò)權(quán)值直接確定及仿真實(shí)驗(yàn)
參考文獻(xiàn)
附錄