目录
第1章 绪论
1．1 目的
1．2 历史
1．3 应用
1．4 生物学的启示
参考文献
第2章 神经元模型和网络结构
2．1 目的
2．1 理论和实例
2．2．1 符号
2．2．2 神经元模型
2．2．3 网络结构
2．3 小结
2．4 例题
2．5 结束语
习题
第3章 一个说明性实例
3．1 目的
3．2 理论和实例
3．2．1 问题描述
.3．2．2 感知机
3．2．3 hamming网络
3．2．4 hopfield网络
3．3 结束语
习题
第4章 感知机学习规则
4．1 目的
4. 2 理论和实例
4．2．1 学习规则
4．2．2 感知机的结构
4．2．3 感知机学习规则
4．2．4 收敛性证明
4．3 小结
4．4 例题
4．5 结束语
参考文献
习题
第5章 信号和权值向量空间
5．1 目的
5．2 理论和实例
5．2．1 线性向量空间
5．2．2 线性无关
5．2．3 生成空间
5．2．4 内积
5．2．5 范数
5．2．6 正交性
5．2．7 向量展开式
5．3 小结
5．4 例题
5．5 结束语
参考文献
习题
第6章 神经网络中的线性变换
6. 1 目的
6．2 理论和实例
6．2．1 线性变换
6．2．2 矩阵表示
6．2. 3 基变换
6．2. 4 特征值和特征向量
6．3 小结
6．4 例题
6．5 结束语
参考文献
习题
第7章 有监督的hebb学习
7．1 目的
7．2 理论和实例
7．2．1 线性联想器
7．2．2 hebb规则
7．2．3 仿逆规则
7．2．4 应用
7．2．5 hebb学习的变形
7．3 小结
7．4 例题
7．5 结束语
参考文献
习题
第8章 性能曲面和最优点
8．1 目的
8．2 理论和实例
8．2．1 泰勒级数
8．2．2 方向导数
8．2．3 极小点
8．2．4 优化的必要条件
8．2．5 二次函数
8．3 小结
8．4 例题
8．5 结束语
参考文献
习题
第9章 性能优化
9．1 目的
9．2 理论和实例
9．2．1 最速下降法
9．2．2 牛顿法
9．2．3 共扼梯度法
9．3 小结
9．4 例题
9．5 结束语
参考文献
习题
第10章 widrow-hoff学习算法
10．1 目的
10．2 理论和实例
10．2．1 adaline网络
10．2．2 均方误差
10．2．3 lms算法
10．2．4 收敛性分析
10．2．5 自适应滤波
10．3 小结
10．4 例题
10．5 结束语
参考文献
习题
第11章 反向传播
11．1 目的
11．2 理论和实例
11．2．1 多层感知机
11．2．2 反向传播算法
11．2．3 例子
11．2．4 反向传播
11．3 小结
11．4 例题
11．5 结束语
参考文献
习题
第12章 反向传播算法的变形
12．1 目的
12．2 理论和实例
12．2．1 bp算法的缺点
12．2．2 bp算法的启发式改进
12．2．3 数值优化技术
12．3 小结
12．4 例题
12．5 结束语
参考文献
习题
第13章 联想学习
13．1 目的
13．2 理论和实例
13．2．1 简单联想网络
13．2．2 无监督的hebb规则
13．2．3 简单的识别网络
13．2．4 instar规则
13．2．5 简单回忆网络
13．2．6 outstar规则
13．3 小结
13．4 例题
13．5 结束语
参考文献
习题
第14章 竞争网络
14．1 目的
14．2 理论和实例
14．2．1 hamming网络
14．2．2 竞争层
14．2．3 生物学意义上的竞争层
14．2．4 自组织特征图
14．2．5 学习向量量化
14．3 小结
14．4 例题
14．5 结束语
参考文献
习题
第15章 grossberg网络
15．1 目的
15．2 理论和实例
15. 2．1 生物学的启发：视觉
15．2．2 基本非线性模型
15．2．3 两层竞争网络
15．2．4 与kohonen规则的关系
15．3 小结
15．4 例题
15．5 结束语
参考文献
习题
第16章 自适应谐振理论
16．1 目的
16. 2 理论和实例
16．2．1 自适应谐振概述
16．2．2 第一层
16．2．3 第二层
16．2．4 调整子系统
16．2．5 学习规则：l1-l2
16．2．6 学习规则：l2-l1
16．2．7 art1算法小结
16．2．8 其他art体系结构
16．3 小结
16．4 例题
16．5 结束语
参考文献
习题
第17章 稳定性
17．1 目的
17．2 理论和实例
17．2．1 递归网络
17．2．2 稳定性概念
17．2．3 lyapunov稳定性定理
17．2．4 单摆例子
17．2．5 lasdlle不变性定理
17．3 小结
17．4 例题
17．5 结束语
参考文献
习题
第18章 hopfield网络
18．1 目的
18．2 理论和实例
18．2．1 hopfield模型
18．2．2 lyapunov函数
18．2．3 增益效应
18．2．4 hopfield网络设计
18．3 小结
18. 4 例题
18．5 结束语
参考文献
习题
第19章 结束语
19．1 目的
19．2 理论和实例
19．2．1 前馈和联想网络
19．2．2 竞争网络
19。2．3 动态联想存储器网络
19．2．4 神经网络的经典基础
19．2．5 参考书目和杂志
19．3 结束语
参考文献
附录a 文献目录
附录b 符号
附录c 软件
索引
【展开】
【收起】
下载说明
1、追日是作者栎年创作的原创作品，下载链接均为网友上传的的网盘链接！
2、相识电子书提供优质免费的txt、pdf等下载链接，所有电子书均为完整版！
下载链接
热门评论
-
电子发烧友官网的评论神经网络在单片机中的实现例程[围观]网页链接 基础的单片机程序资料，很好的资料，设计工程师必备。
-
装B秘籍的评论星光智能一号：中国首款嵌入式神经网络处理器（NPU）芯片，2016年3月6日实现量产。针对卷积神经网络（CNN）算法特性而设计，一个时钟周期内可同时完成64个长位宽MAC运算或者128个短位宽MAC运算。已成功在视频监控领域实现产业化，未来可广泛应用于智能驾驶辅助、无人机、机器人等嵌入式机器视觉领域。
-
立行15的评论分享自matlab编程《【案例2014-030】基于BP、CF、ELM神经网络以及SVM的声控... - 【案例2014-030】基于BP、CF、ELM神经网络以及SVM的声控计算机语音识别设计 ... (来自 @头条博客) 【案例2014-03...
-
徐澜江的评论梦里笑醒两次。开始梦到一个老同学，一起去哪玩，傻乐半天。后来，梦到一个服装设计的好友。。。原因很简单，昨下午见了一个服装设计出身的校服企业的大佬。[汗]存储记忆这俩概念的神经网络模式被关联激活了。确实如此，记忆，是关联模式，不是里离散信息，即使在潜意识层。
-
树干-大数据微解毒的评论太有意思了。李大学是我的校友，当年我毕业设计做的是《神经网络图像压缩》，李大学是指导学长，结果差点没把我做神经了。不知道当年自动控制的兄弟们还记得他不？李大学川大开讲，传统...
-
36大数据网的评论【深度强化学习探索】深度学习大家可能都比较了解，在多层神经网络的结构下，辅以结构设计和各种梯度技术，能够对比如图像分类之类的问题有很好的效果。它的优点在于不仅能够提供端到端的解决方案，而且能够提取出远比人工特征有效得特征向量。而强化学习，大家可能就比较陌生了。网页链接
-
HAHOLA的评论小组presentation和日本人学生去拍视频素材，最后交给o君处理。因为o君比较擅长多媒体设计方面的，我们就后来直接说他可以当神经网络的ONN了，简直就是输进去素材输出来视频那样神奇的存在。但是最后再想想，是人都是个神经网络啊。[笑cry]
-
王威廉的评论神经网络专家Ian Goodfellow谈神经网络与神经启发式计算：虽然神经网络有些灵感来自脑科学，但是其发展主要来自现代数学与工程的驱动，并非是脑科学的模型。最好认为前馈神经网络是为了统计泛化而设计的函数近似机器。[思考]
-
GPU计算的评论#GTC 2016# 针对高性能计算，我们打造了两款产品：Tesla M40，可提供尽可能强的计算性能，专为训练深度学习神经网络而设计，也就是图中右边的产品；Tesla M4，低功耗的小巧型加速器，用于机器学习推理以及图像与视频处理的流式传输。为什么要提到这两款产品呢？大家可以猜猜，答案一会儿揭晓[嘻嘻]
-
玛卡瑞纳的前男友Baymax的评论围棋所蕴含的可能性的数量，甚至比整个宇宙的原子数量还多，Alphago人工智能系统，不是只能单纯的运算，开发人员不可能为围棋设计出评价函数。Alphago通过将传统的树状搜索技术和新兴的深度神经网络技术结合到了一起，其结构和人体大脑的神经元结构非常相似，它是一种具有不断深度学习的人工智能系统。