神经网络结构设计的理论与方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

神经网络结构设计的理论与方法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1章 概论1

1.1神经网络简介1

1.2神经网络研究内容2

1.3本书内容2

1.4参考资料简介3

第2章 基本的神经元及其学习规则5

2.1神经元模型5

2.1.1大脑神经细胞5

2.1.2 MP模型7

2.1.3一般神经元模型8

2.2神经元学习算法11

2.2.1Hebb学习规则12

2.2.2离散感知器学习规则12

2.2.3 δ学习规则13

2.2.4 Widrow-Hoff学习规则14

2.3单个神经元解决问题的能力15

2.3.1单个神经元的分类能力15

2.3.2多个神经元的分类能力15

2.4.1前向神经网络16

2.4神经网络的拓扑结构16

2.4.2反馈神经网络18

第3章 多层感知器网络19

3.1两层感知器网络19

3.1.1单神经元用于两分类19

3.1.2多输出两层感知器用于多分类23

3.2线性阈值单元组成的多层感知器24

3.3 BP网及BP算法25

3.3.1 BP网络结构25

3.3.2 BP学习算法26

3.3.3 BP算法应用例子30

3.3.4 BP网和BP算法应用要点33

3.3.5 BP算法的改进36

第4章 径向基函数神经网络40

4.1 RBF网结构和工作原理40

4.2 RBF网的生理学基础42

4.3 RBF网的数学基础43

4.3.1 内插问题43

4.3.2正则化网络44

4.4 RBF网常用的学习算法45

4.4.1聚类方法46

4.4.2梯度训练方法47

4.4.3正交最小二乘（OLS）学习算法48

4.5 RBF网的学习动态49

4.5.1定义50

4.5.2主要结论52

4.5.3算例58

4.5.4 RBF网的学习动态与RBF网设计62

4.6仿真例子64

4.7 RBF网的特点及其他问题65

第5章 Hopfield网络67

5.1连续Hopfield网络67

5.1.1连续Hopfield网络原理67

5.1.2Hopfield网络的稳定性68

5.2离散Hopfield网络71

5.2.1离散Hopfield网络原理71

5.2.2离散Hopfield网络的稳定性72

5.3.2离散Hopfield网络与联想存储73

5.3 Hopfield网络应用73

5.3.1连续Hopfield网络与优化计算73

5.4应用和仿真实例75

5.4.1连续Hopfield网络应用实例：TSP问题75

5.4.2离散Hopfield网络仿真：字符存储77

第6章 自组织特征映射80

6.1 生物系统中的竞争80

6.2 SOFM结构81

6.3 SOFM的学习算法82

6.4仿真例子84

第7章 神经网络的泛化理论88

7.1 神经网络的泛化理论简介88

7.2泛化误差的偏差－标准差分解89

7.3结构复杂性和样本复杂性对神经网络泛化能力的影响90

7.3.1线性阈值神经网络90

7.3.2函数逼近神经网络91

7.4 正则化方法对泛化能力的影响92

7.5神经网络集成对泛化能力的影响94

7.6样本输入中加噪声对泛化能力的影响96

7.7其他因素对泛化能力的影响97

第8章 神经网络的参数优化设计100

8.1 主动学习100

8.1.1 原理100

8.1.2仿真例子：三角形概念学习101

8.2在样本输入中添加随机噪声103

8.2.1噪声添加方法103

8.2.2仿真例子103

8.3.1原理105

8.3神经网络集成105

8.3.2仿真例子：广义异或问题106

8.4基于先验知识的泛化方法107

8.5最优停止法107

8.5.1 原理107

8.5.2仿真例子：Hermit多项式逼近108

第9章 神经网络构造方法110

9.1神经网络构造方法简介110

9.2级连相关算法111

9.2.1 BP算法收敛速度慢的原因111

9.2.2网络结构112

9.2.3权值学习算法114

9.2.4算法实现115

9.2.5算法讨论115

9.2.6仿真结果：双螺旋分类问题115

9.3资源分配网络119

9.3.1 RAN网络结构119

9.3.2学习算法120

9.3.3算法实现121

9.3.5仿真：Hermit多项式在线学习122

9.3.4 RAN的优点与缺点122

第10章 神经网络剪枝方法125

10.1权衰减法125

10.1.1权消去法剪枝原理125

10.1.2正则化系数λ的动态修改策略129

10.1.3试验例子：非线性系统辨识129

10.2灵敏度计算方法131

10.2.1 Skeletonization方法原理131

10.2.2仿真例子：非线性系统结构辨识134

10.3.1 隐节点之间相关情况分析136

10.3相关性剪枝方法136

10.3.2隐节点合成方法138

10.3.3仿真例子140

第11章 进化神经网络方法142

11.1进化神经网络简介142

11.2进化优选算法142

11.2.1 OLS算法设计RBF网的缺点142

11.2.2进化优选算法的数学基础143

11.2.3进化优选算法（ESA算法）146

11.2.4算法的效率分析148

11.2.5 ESA算法实现149

11.2.6仿真例子150

第12章 混杂神经网络设计153

12.1资源优化网络153

12.1.1 资源优化网络简介153

12.1.2 RON在线RBF网设计方法154

12.1.3仿真研究159

12.1.4 RON的优缺点163

12.2.2神经网络的结构分解原理164

12.2.1 神经网络的结构分解方法简介164

12.2神经网络的结构分解方法164

12.2.3 基于结构分解的神经网络设计方法167

12.2.4 应用例子169

附录A：用于三分类的BP算法程序175

附录B：用于函数逼近的BP算法程序180

附录C：基于聚类的RBF网设计算法183

附录D：基于梯度法的RBF网设计算法186

附录E：基于OLS的RBF网设计算法188

附录F：连续Hopfield网络解决TSP的程序191

附录G：样本输入加噪声训练程序194

附录H：神经网络集成训练程序198

附录I：最优停止法训练程序200

附录J：级连相关算法204

附录K：资源分配网络算法209

附录L：权消去法213

附录M：Skeletonization方法217

附录N：隐节点合成算法222

参考文献229