神經(jīng)計(jì)算與生長(zhǎng)自組織網(wǎng)絡(luò)

定　價(jià)：￥28.90

作　者：	程國(guó)建編著
出版社：	西安交通大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	人工智能

購(gòu)買這本書可以去

ISBN：	9787560529790	出版時(shí)間：	2008-10-01	包裝：	平裝
開本：	大32開	頁(yè)數(shù)：	242	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《神經(jīng)計(jì)算與生長(zhǎng)自組織網(wǎng)絡(luò)》分前后兩個(gè)部分。前一部分主要討論神經(jīng)計(jì)算的基本概念原理及幾個(gè)主要的神經(jīng)網(wǎng)絡(luò)模型。包括神經(jīng)計(jì)算概述、人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)及其特性、神經(jīng)感知器、自適應(yīng)線性元件、多層前饋神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)網(wǎng)絡(luò)等。后一部分是作者在德國(guó)圖賓根大學(xué)攻讀博士學(xué)位期間及近來(lái)的一些研究成果。具體內(nèi)容包括古典變拓?fù)渖窠?jīng)網(wǎng)絡(luò)、自組織變拓?fù)渖窠?jīng)網(wǎng)絡(luò)、生長(zhǎng)神經(jīng)元結(jié)構(gòu)及其變種、外生長(zhǎng)型神經(jīng)元結(jié)構(gòu)、多生長(zhǎng)神經(jīng)元結(jié)構(gòu)、雙生長(zhǎng)神經(jīng)氣網(wǎng)絡(luò)等。全書內(nèi)容取材新穎，主題專一，深入淺出，注重算法的理論依據(jù)、應(yīng)用思路及應(yīng)用效果，體現(xiàn)了國(guó)內(nèi)外在該領(lǐng)域的最新研究成果?！渡窠?jīng)計(jì)算與生長(zhǎng)自組織網(wǎng)絡(luò)》可作為從事計(jì)算智能、機(jī)器學(xué)習(xí)、模式識(shí)別、數(shù)據(jù)挖掘、信息可視化等研究的科研人員的參考資料，也可作為高等院校相關(guān)專業(yè)的教師、碩士研究生及博士研究生的專業(yè)參考書。

作者簡(jiǎn)介

　　程國(guó)建，男，副教授，碩士生導(dǎo)師，1964年出生，籍貫陜西，德國(guó)圖賓根大學(xué)（Tubingen Universitat）理學(xué)博士（Dr.rer.nat.）。于1997年3月至2002年2月留學(xué)德國(guó)圖賓根大學(xué)，師從國(guó)際知名的人工神經(jīng)網(wǎng)絡(luò)專家Andreas Zell教授。2001年11月份通過博士論文答辯及畢業(yè)考試，獲理學(xué)博士學(xué)位。留學(xué)期間在重要學(xué)術(shù)期刊（如《神經(jīng)計(jì)算及應(yīng)用》）及國(guó)際學(xué)術(shù)會(huì)議上發(fā)表多篇學(xué)術(shù)研究論文，主要學(xué)術(shù)貢獻(xiàn)是提出了多神經(jīng)元細(xì)胞生長(zhǎng)、外細(xì)胞生長(zhǎng)、雙神經(jīng)氣生長(zhǎng)等自組織神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，改善了自組織學(xué)習(xí)的精度及收斂速度。撰寫的英文版博士論文《自組織變拓?fù)渖窠?jīng)網(wǎng)絡(luò)之生長(zhǎng)型學(xué)習(xí)》也于2002年由德國(guó)Shaker出版社出版。

圖書目錄

第1章神經(jīng)計(jì)算概述
1.1 神經(jīng)計(jì)算的基本原理與發(fā)展簡(jiǎn)史
1.2 神經(jīng)計(jì)算的生物學(xué)機(jī)理
1.2.1 生物神經(jīng)元及其結(jié)構(gòu)
1.2.2 人工神經(jīng)網(wǎng)絡(luò)的定義
1.2.3 人工神經(jīng)網(wǎng)絡(luò)究竟可以做什么
1.3 人工神經(jīng)網(wǎng)絡(luò)的典型特征
1.4 人工神經(jīng)網(wǎng)絡(luò)模型
1.5 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則
第2章人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)及其特性
2.1 生物神經(jīng)元的抽象模型
2.2 人工神經(jīng)元模型
2.3 激勵(lì)函數(shù)類型
2.4 神經(jīng)元的層次排列
2.5 多層前向神經(jīng)網(wǎng)絡(luò)
2.6 神經(jīng)網(wǎng)絡(luò)的靜態(tài)系統(tǒng)與動(dòng)態(tài)系統(tǒng)
2.6.1 連續(xù)時(shí)間動(dòng)態(tài)系統(tǒng)
2.6.2 離散時(shí)間動(dòng)態(tài)系統(tǒng)
2.6.3 一個(gè)連續(xù)時(shí)間正弦信號(hào)發(fā)生器
2.6.4 一個(gè)離散時(shí)間正弦信號(hào)發(fā)生器
2.7 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程
第3章神經(jīng)感知器
3.1 感知器的數(shù)學(xué)模型
3.2 感知器作為模式分類器
3.3 具有三個(gè)突觸的感知器實(shí)例
3.4 感知器的權(quán)值選擇
3.5 感知器學(xué)習(xí)規(guī)則
3.6 一個(gè)修正的感知器學(xué)習(xí)規(guī)則
3.7 平面與立方體相交的一個(gè)二維實(shí)例
第4章自適應(yīng)線性元件
4.1 自適應(yīng)線性元件概述
4.2 對(duì)一個(gè)戶變量函數(shù)的線性逼近
4.3 最陡梯度下降法
4.4 LMS學(xué)習(xí)規(guī)則
4.5 序貫遞歸算法
第5章多層前饋神經(jīng)網(wǎng)絡(luò)
5.1 多層前饋神經(jīng)網(wǎng)絡(luò)概述
5.2 多層感知器
5.3 誤差的反向傳播
5.4 單隱層感知器的BP算法
5.4.1 輸出層計(jì)算
5.4.2 隱層計(jì)算
5.5 MLP的一個(gè)圖像編碼應(yīng)用實(shí)例
第6章徑向基函數(shù)網(wǎng)絡(luò)
6.1 徑向基函數(shù)網(wǎng)絡(luò)概述
6.2 RBF網(wǎng)絡(luò)的基本理論
6.3 RBF網(wǎng)絡(luò)結(jié)構(gòu)
6.4 RBF網(wǎng)絡(luò)的學(xué)習(xí)算法
6.5 RBF神經(jīng)網(wǎng)絡(luò)小結(jié)
第7章古典生長(zhǎng)型神經(jīng)網(wǎng)絡(luò)
7.1 引言
7.2 離散型生長(zhǎng)神經(jīng)網(wǎng)絡(luò)
7.2.1 堆砌式網(wǎng)絡(luò)
7.2.2 寶塔式網(wǎng)絡(luò)
7.2.3 爆發(fā)式網(wǎng)絡(luò)
7.3 連續(xù)型生長(zhǎng)神經(jīng)網(wǎng)絡(luò)
7.3.1 約束庫(kù)倫能量網(wǎng)絡(luò)
7.3.2 級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)
7.3.3 資源配置網(wǎng)絡(luò)
7.4 小結(jié)
7.5 附注--Pocket算法
第8章生長(zhǎng)型自組織神經(jīng)網(wǎng)絡(luò)
8.1 競(jìng)爭(zhēng)學(xué)習(xí)律
8.2 自組織映射網(wǎng)絡(luò)
8.2.1 自組織映射網(wǎng)絡(luò)之拓?fù)?br />8.2.2 自組織映射網(wǎng)絡(luò)學(xué)習(xí)算法
8.3 其他自組織映射模型
8.3.1 學(xué)習(xí)矢量量化
8.3.2 動(dòng)態(tài)學(xué)習(xí)矢量量化
8.3.3 內(nèi)插型自組織映射
8.4 生長(zhǎng)自組織映射網(wǎng)絡(luò)
8.4.1 自組織表面
8.4.2 演化自組織映射
8.4.3 增量式網(wǎng)格生長(zhǎng)
8.4.4 生長(zhǎng)層次自組織映射
第9章生長(zhǎng)神經(jīng)元結(jié)構(gòu)及其變種
9.1 引言
9.2 生長(zhǎng)神經(jīng)元模型
9.2.1 GCS網(wǎng)絡(luò)拓?fù)?br />9.2.2 GCS學(xué)習(xí)算法
9.2.3 監(jiān)督學(xué)習(xí)生長(zhǎng)神經(jīng)元結(jié)構(gòu)
9.3 動(dòng)態(tài)神經(jīng)元結(jié)構(gòu)
9.3.1 動(dòng)態(tài)神經(jīng)元結(jié)構(gòu)機(jī)理
9.3.2 動(dòng)態(tài)神經(jīng)元結(jié)構(gòu)算法描述
9.3.3 討論
9.4 樹型生長(zhǎng)神經(jīng)元結(jié)構(gòu)
9.4.1 TreeGCS網(wǎng)絡(luò)拓?fù)?br />9.4.2 TreeGCS算法描述
9.4.3 討論
9.5 概率生長(zhǎng)神經(jīng)元結(jié)構(gòu)
9.5.1 數(shù)學(xué)背景
9.5.2 PGCS算法描述
9.5.3 討論
9.6 附注--Voronoi棋盤及Delaunay三角形剖分
第10章外生長(zhǎng)型神經(jīng)元結(jié)構(gòu)
10.1 引言
10.2 外生長(zhǎng)神經(jīng)元結(jié)構(gòu)機(jī)理
10.2.1 EGCS的凸權(quán)外長(zhǎng)
10.2.2 EGCS的凹權(quán)外長(zhǎng)
10.2.3 外生長(zhǎng)神經(jīng)元結(jié)構(gòu)的兩個(gè)變種
10.3 外生長(zhǎng)神經(jīng)元結(jié)構(gòu)的監(jiān)督學(xué)習(xí)
10.4 二維外生長(zhǎng)神經(jīng)元結(jié)構(gòu)監(jiān)督學(xué)習(xí)算法描述
10.5 對(duì)EGCS的測(cè)試
10.5.1 測(cè)試1--雙螺旋問題
10.5.2 測(cè)試2--基于聲納的巖石分類
10.6 對(duì)化學(xué)氣體傳感器的數(shù)據(jù)評(píng)價(jià)
10.6.1 咖啡品牌識(shí)別
10.6.2 甲苯、辛烷、丙醇及其混合物濃度預(yù)測(cè)
10.7 小結(jié)
第11章多生長(zhǎng)神經(jīng)元結(jié)構(gòu)
11.1 引言
11.2 多生長(zhǎng)神經(jīng)元結(jié)構(gòu)機(jī)理
11.2.1 多生長(zhǎng)神經(jīng)元結(jié)構(gòu)的監(jiān)督學(xué)習(xí)
11.2.2 Voronoi域的計(jì)算
11.3 二維監(jiān)督型多生長(zhǎng)神經(jīng)元結(jié)構(gòu)算法描述
11.4 對(duì)多生長(zhǎng)神經(jīng)元結(jié)構(gòu)的測(cè)試
11.4.1 測(cè)試1--雙螺旋問題
11.4.2 測(cè)試2--基于聲納的巖石分類
11.5 用多生長(zhǎng)神經(jīng)元結(jié)構(gòu)求解模式識(shí)別問題
11.5.1 玻璃鑒別問題
11.5.2 馬病診斷問題
11.5.3 大豆病蟲害識(shí)別
11.5.4 信用卡認(rèn)定預(yù)測(cè)
第12章　雙生長(zhǎng)神經(jīng)氣網(wǎng)絡(luò)
12.1 神經(jīng)氣網(wǎng)絡(luò)
12.2 生長(zhǎng)神經(jīng)氣算法
12.2.1 生長(zhǎng)神經(jīng)氣網(wǎng)絡(luò)拓?fù)?br />12.2.2 生長(zhǎng)神經(jīng)氣學(xué)習(xí)算法
12.2.3 生長(zhǎng)神經(jīng)氣網(wǎng)絡(luò)主要特征
12.3 雙生長(zhǎng)神經(jīng)氣網(wǎng)絡(luò)
12.3.1 雙生長(zhǎng)神經(jīng)氣機(jī)理
12.3.2 雙生長(zhǎng)神經(jīng)氣的監(jiān)督學(xué)習(xí)
12.4 二維監(jiān)督生長(zhǎng)神經(jīng)氣算法描述
12.5 雙生長(zhǎng)神經(jīng)氣網(wǎng)絡(luò)測(cè)試
12.6 雙生長(zhǎng)神經(jīng)氣用于疾病診斷
12.6.1 Wisconsin乳腺癌診斷
12.6.2 大豆病蟲害鑒別問題
12.7 附注--競(jìng)爭(zhēng)Hebb學(xué)習(xí)
參考文獻(xiàn)