人禽交欧美网站,国产精品阿v视频

內(nèi)容簡介

　　《神經(jīng)網(wǎng)絡新理論與方法》介紹了作者所提出的人工神經(jīng)網(wǎng)絡的新理論與算法（樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡算法與代數(shù)算法），這些理論與算法徹底克服了困擾學術界多年的傳統(tǒng)算法的困難（例如局部極小、收斂速度慢、不收斂、難以求得全局最優(yōu)點等困難），其中樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡算法還具有很好的泛化能力。全書共有7章，討論了人工神經(jīng)網(wǎng)絡的概論、基本概念、實神經(jīng)網(wǎng)絡的代數(shù)算法、全局最小值分析、復數(shù)神經(jīng)網(wǎng)絡的代數(shù)算法、樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡及其學習算法和神經(jīng)網(wǎng)絡的統(tǒng)計靈敏度分析?！渡窠?jīng)網(wǎng)絡新理論與方法》邏輯嚴謹，論述清晰，數(shù)學推導詳細，對于相關領域的廣大科技工作者、理工科博士、碩士研究生以及高年級本科生都有很好的參考價值，也可以作為相關領域的培訓或自學教材。

作者簡介

　　張代遠，男，博士學位，長期從事神經(jīng)網(wǎng)絡和計算機體系結(jié)構(gòu)方面的科研和教學工作，出版專著、教材及教輔書4部，發(fā)表學術論文60余篇，其中不少被國際權(quán)威機構(gòu)檢索。作者的主要科研成果如下：　神經(jīng)網(wǎng)絡研究領域：作者提出了樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡算法與代數(shù)算法，這些理論與方法徹底克服了困擾學術界多年的傳統(tǒng)算法的局部極小、收斂速度慢、難以求得全局最優(yōu)點等困難。特別是樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡理論與算法具有網(wǎng)絡結(jié)構(gòu)簡單、泛化能力強等突出優(yōu)點，值得推廣。　計算機體系結(jié)構(gòu)領域：作者提出了迭加原理，給出了迭加原理的一般形式和遞推形式。根據(jù)迭加原理可以自然地導出獎態(tài)圖的畫法規(guī)則。引入主流水線漸近參數(shù)的概念，導出了計算非線性流水線漸近參數(shù)的公式。作者提出的計算非線性流水線參數(shù)的公式給出了反映各個參數(shù)內(nèi)在關系的數(shù)學表達式。

圖書目錄

第1章  概論    1
1.1  計算機、生物神經(jīng)網(wǎng)絡與人工神經(jīng)網(wǎng)絡    1
1.2  本書的目的與價值    2
1.3  神經(jīng)網(wǎng)絡的發(fā)展歷史簡介    4
參考文獻    6
第2章  人工神經(jīng)元和人工神經(jīng)網(wǎng)絡的基本概念    7
2.1  生物學的啟示    7
2.2  人工神經(jīng)元模型    8
2.2.1  單輸入單輸出人工神經(jīng)元    8
2.2.2  多輸入單輸出人工神經(jīng)元    10
2.3  人工神經(jīng)網(wǎng)絡結(jié)構(gòu)    11
第3章  實神經(jīng)網(wǎng)絡的代數(shù)算法    14
3.1  引言    14
3.2  BP算法的缺點與困難    15
3.3  代數(shù)算法的基本原理    22
3.3.1  符號與神經(jīng)網(wǎng)絡的拓撲結(jié)構(gòu)    22
3.3.2  代數(shù)算法的理論與實現(xiàn)    26
3.4  計算實例    30
3.5  結(jié)論    32
參考文獻    33
第4章  全局最小值分析    34
4.1  引言    34
4.2  三層前饋網(wǎng)絡代價函數(shù)全局最小值分析    34
4.3  數(shù)值仿真實驗    38
4.4  結(jié)論    40
參考文獻    40
第5章  復數(shù)神經(jīng)網(wǎng)絡的代數(shù)算法    41
5.1  引言    41
5.2  復數(shù)神經(jīng)網(wǎng)絡的概念    41
5.3  復數(shù)神經(jīng)網(wǎng)絡的構(gòu)造    42
5.4  復數(shù)前饋神經(jīng)網(wǎng)絡的全局最優(yōu)學習算法的基本原理    42
5.5  隱層神經(jīng)元個數(shù)的確定以及線性方程組的求解    44
5.5.1  解存在的充分必要條件及隱層神經(jīng)元個數(shù)的確定    44
5.5.2  隱層神經(jīng)元函數(shù)的選擇    45
5.5.3  復自由權(quán)的選擇    45
5.6  本章結(jié)論與數(shù)值仿真實驗    49
參考文獻    50
第6章  樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡及其學習算法    51
6.1  引言    52
6.2  學習曲線    52
6.3  投影概念與投影方程    55
6.4  第一類權(quán)函數(shù)的神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)與訓練算法（和函數(shù)的訓練算法）    59
6.4.1  第一類權(quán)函數(shù)的神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)    59
6.4.2  樣條權(quán)函數(shù)方程的建立與求解    62
6.5  第一類權(quán)函數(shù)的訓練算法（和函數(shù)的訓練算法）的誤差分析    66
6.6  第一類權(quán)函數(shù)的神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)與訓練算法的一般情
況（和函數(shù)的訓練算法）    88
6.7  第二類權(quán)函數(shù)的神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)與訓練算法（積函數(shù)的訓練算法）    94
6.7.1  第二類權(quán)函數(shù)的訓練算法（積函數(shù)的訓練算法）的基本原理    94
6.7.2  第二類權(quán)函數(shù)的訓練算法（積函數(shù)的訓練算法）的誤差分析    104
6.8  奇異樣本的概念    106
6.9  數(shù)值仿真實驗    110
6.10  結(jié)論    112
參考文獻    112
第7章  神經(jīng)網(wǎng)絡的統(tǒng)計靈敏度分析    114
7.1  引言    114
7.2  符號約定    115
7.3  靈敏度分析    116
7.3.1  神經(jīng)網(wǎng)絡誤差的一般計算公式    116
7.3.2  三層神經(jīng)網(wǎng)絡的輸出層誤差與靈敏度的計算    118
7.3.3  INI網(wǎng)絡的輸出層誤差與靈敏度計算    121
7.4  數(shù)值仿真實驗    122
7.5  結(jié)論    123
參考文獻    125