人工神经网络导论2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

人工神经网络导论PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 引言1

1.1 人工神经网络的提出1

1.1.1 智能与人工智能1

1.1.2 物理符号系统4

1.1.3 联接主义观点5

1.1.4 两种模型的比较6

1.2 人工神经网络的特点7

1.2.1 人工神经网络的概念7

1.2.2 学习能力8

1.2.3 普化能力8

1.2.4 信息的分布存放10

1.2.5 适用性问题10

1.3 历史回顾10

1.3.1 萌芽期10

1.3.2 第一高潮期11

1.3.3 反思期11

1.3.4 第二高潮期12

1.3.5 再认识与应用研究期13

练习题13

第二章 人工神经网络基础15

2.1 生物神经网络15

2.2 人工神经元16

2.2.1 人工神经元的基本构成16

2.2.2 激活函数(Activation Function)17

2.2.3 M-P模型19

2.3 人工神经网络的拓扑特性19

2.3.1 联接模式20

2.3.2 网络的分层结构20

2.4 存储与映射25

2.5 人工神经网络的训练27

2.5.1 无导师学习27

2.5.2 有导师学习28

练习题29

第三章 感知器30

3.1 感知器与人工神经网络的早期发展30

3.2 感知器的学习算法31

3.2.1 离散单输出感知器训练算法31

3.2.2 离散多输出感知器训练算法32

3.2.3 连续多输出感知器训练算法33

3.3 线性不可分问题35

3.3.1 异或(Exclusive-OR)问题35

3.3.2 线性不可分问题的克服37

练习题38

第四章 BP网络39

4.1 概述39

4.2 基本BP算法40

4.2.1 网络的构成40

4.2.2 训练过程概述41

4.2.3 误差传播分析42

4.2.4 基本的BP算法44

4.3 算法的改进45

4.4 算法的实现47

4.5 算法的理论基础48

4.6 几个问题的讨论52

练习题54

第五章 对传网55

5.1 网络结构56

5.2 网络的正常运行57

5.2.1 Kohonen层57

5.2.2 Grossberg层58

5.3 Kohonen层的训练59

5.3.1 输入向量的预处理59

5.3.2 训练60

5.4 Kohonen层联接权的初始化方法62

5.5 Grossberg层的训练65

5.6 补充说明67

练习题69

第六章 非确定方法70

6.1 基本的非确定训练算法70

6.2 模拟退火算法73

6.3 Cauchy训练78

6.4 相关的几个问题79

练习题82

第七章 循环网络83

7.1 循环网络的组织83

7.2 稳定性分析87

7.3 统计Hopfield网与Boltzmann机90

7.4 双联存储器的结构94

7.5 异相联存储96

7.6 其他的双联存储器97

7.7 Hopfield网用于解决TSP问题97

练习题100

第八章 自适应共振理论101

8.1 ART的结构102

8.2 ART的初始化107

8.2.1 T的初始化107

8.2.2 B的初始化107

8.2.3 ρ的初始化108

8.3 ART的实现108

练习题112

参考文献114