|
|
人工神经网络理论、设计及应用（第二版） 内容提要 |
|
|
《人工神经网络理论、设计及应用（第二版）》系统地论述了人工神经网络的主要理论和设计基础，给出了大量应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉其基本原理和主要应用，掌握其结构模型和基本设计方法，为以后的深入研究和应用开发打下基础。
作者连续11年为电气信息类专业研究生及本科高年级学生开设“人工神经网络理论与应用”课程，2002年在多次修改讲义和多项科研成果基础上形成《人工神经网络理论、设计及应用（第二版）》的第一版。《人工神经网络理论、设计及应用（第二版）》第二版对原书约1/3的内容进行了更新，对保留内容进行了修改。取材注意内容的典型性和先进性，编排注意内容的逻辑性，阐述注重物理概念的清晰性，举例与思考练习的安排注意了内容的实践性，常用神经网络及算法的介绍着重于实用性。
《人工神经网络理论、设计及应用（第二版）》适合高等院校电气信息类专业和经济管理类专业的研究生、本科生以及科研人员阅读。
|
|
|
|
人工神经网络理论、设计及应用（第二版） 目录 |
|
1绪论1
11人脑与计算机1
111人脑与计算机信息处理能力的比较2
112人脑与计算机信息处理机制的比较3
113什么是人工神经网络4
12人工神经网络发展简史5
121启蒙时期5
122低潮时期7
123复兴时期9
124新时期10
125国内研究概况11
13神经网络的基本特征与功能14
131神经网络的基本特征14
132神经网络的基本功能14
14神经网络的应用领域16
141信息处理领域16
142自动化领域16
143工程领域17
144经济领域17
145医学领域18
本章小结19
思考与练习19
2神经网络基础知识20
21人工神经网络的生物学基础20
211生物神经元的结构20
212生物神经元的信息处理机理21
22人工神经元模型24
221神经元的建模24
222神经元的数学模型25
223神经元的转移函数26
23人工神经网络模型27
231网络拓扑结构类型28
232网络信息流向类型29
24神经网络学习30
241Hebb学习规则31
242Perceptron学习规则33
243δ学习规则33
244LMS学习规则35
245Correlation学习规则35
246WinnerTakeAll学习规则35
247Outstar学习规则36
本章小结36
思考与练习37
3监督学习神经网络38
31单层感知器38
311感知器模型38
312单节点感知器的功能分析39
313感知器的学习算法42
314感知器的局限性及解决途径44
32基于误差反传的多层感知器——BP神经网络47
321BP网络模型47
322BP学习算法48
323BP算法的程序实现51
324BP网络的主要能力52
325误差曲面与BP算法的局限性53
33BP算法的改进54
331增加动量项54
332自适应调节学习率54
333引入陡度因子55
34BP网络设计基础55
341网络信息容量与训练样本数55
342训练样本集的准备56
343初始权值的设计60
344BP网络结构设计60
345网络训练与测试61
35BP网络应用与设计实例62
351 BP网络用于催化剂配方建模62
352BP网络用于汽车变速器最佳挡位判定63
353BP网络用于图像压缩编码64
354BP网络用于水库优化调度64
355BP网络用于证券预测65
356BP网络用于信用评价模型及预警66
本章小结67
思考与练习67
4竞争学习神经网络71
41竞争学习的概念与原理71
411基本概念71
412竞争学习原理73
42自组织特征映射神经网络76
421SOM网的生物学基础76
422SOM网的拓扑结构与权值调整域76
423自组织特征映射网的运行原理与学习算法77
43自组织特征映射网络的设计与应用81
431SOM网的设计基础81
432设计与应用实例83
44自适应共振理论89
441ARTⅠ型网络90
442ARTⅠ型网络的应用94
443ARTⅡ型网络98
444ARTⅡ型网络的应用101
本章小结104
思考与练习105
5组合学习神经网络107
51学习向量量化神经网络107
511向量量化107
512LVQ网络结构与工作原理107
513LVQ网络的学习算法108
514LVQ网络的设计与应用110
52对向传播神经网络112
521网络结构与运行原理112
522CPN的学习算法113
523改进的CPN网举例115
524CPN网的应用116
本章小结117
思考与练习118
6反馈神经网络119
61离散型Hopfield神经网络119
611网络的结构与工作方式119
612网络的稳定性与吸引子120
613网络的权值设计126
614网络的信息存储容量127
62连续型Hopfield神经网络128
621网络的拓扑结构128
622能量函数与稳定性分析129
63Hopfield网络应用与设计实例130
631应用DHNN网解决联想问题130
632应用CHNN网解决优化计算问题130
64双向联想记忆神经网络134
641BAM网结构与原理134
642能量函数与稳定性135
643BAM网的权值设计136
644BAM网的应用137
65随机神经网络138
651模拟退火原理139
652Boltzmann机140
66递归神经网络144
661递归网络模型144
662递归网络的学习算法146
663递归网络应用举例151
本章小结152
思考与练习152
7小脑模型神经网络154
71CMAC网络的结构154
72CMAC网络的工作原理155
721从X到M的映射155
722从M到A的映射157
723从A到Ap的映射158
724从Ap到F的映射158
73CMAC网络的学习算法159
731CMAC网络的学习算法159
732CMAC网络的特点159
74CMAC网络的应用160
741CMAC网络在机器人手臂协调控制中的应用160
742CMAC网络在有源噪声控制中的应用161
本章小结163
思考与练习163
8基于数学原理的神经网络164
81径向基函数RBF164
811基于径向基函数技术的函数逼近与内插164
812正则化RBF神经网络166
813广义RBF神经网络167
814RBF网络与BP网络的比较171
815RBF网络设计应用实例172
82主分量分析177
821主分量分析方法概述177
822前向PCA神经网络及学习算法181
823侧向连接自适应PCA神经网络及APEX算法183
83支持向量机184
831支持向量机的基本思想184
832支持向量机神经网络188
833支持向量机的学习算法189
834支持向量机处理XOR问题190
本章小结191
9神经网络的系统设计与软件实现193
91神经网络系统总体设计193
911神经网络的适用范围193
912神经网络的设计过程与需求分析194
913神经网络的性能评价195
914输入数据的预处理197
92神经网络的软件实现198
921软件运行的若干问题198
922软件实现的若干问题199
93神经网络的高级开发环境200
931神经网络的开发环境及其特征201
932MATLAB神经网络工具箱201
933其他神经网络开发环境简介203
10神经网络研究展望206
101人工神经网络研究中的几个问题206
102人工神经网络研究展望207
1021应用研究的新特点——多学科综合207
1022实现技术研究的当务之急——神经网络的硬件实现207
1023理论研究的新方向——从人工神经网络到人工神经系统207
附录1常用神经网络C语言源程序209
附录2神经网络常用术语英汉对照240
参考文献242
|
|
|
|
|
|
|
人工神经网络理论、设计及应用（第二版） 前言 |
|
人类具有高度发达的大脑，大脑是人类思维活动的物质基础，而思维是人类智能的集中体现。长期以来，人们想方设法了解人脑的工作机理和思维的本质，向往能构造出具有类人智能的人工智能系统，以模仿人脑功能，完成类似于人脑的工作。人脑的思维有逻辑思维、形象思维和灵感思维三种基本方式。逻辑思维的基础是概念、判断与推理，即将信息抽象为概念，再根据逻辑规则进行逻辑推理。由于概念可用符号表示，而逻辑推理宜按串行模式进行，这一过程可以事先写成串行的指令由机器来完成。可以认为，20世纪40年代问世的第一台电子计算机就是这样一种用机器模拟人脑逻辑思维的人工智能系统，也是人类实现这一追求的重要里程碑。
众所周知，现代计算机构成单元的速度是人脑中神经元速度的几百万倍，对于那些特征明确，推理或运算规则清楚的可编程问题，可以高速有效地求解，在数值运算和逻辑运算方面的精确与高速极大地拓展了人脑的能力，从而在信息处理和控制决策等各方面为人们提供了实现智能化和自动化的先进手段。但由于现有计算机是按照冯·诺依曼原理，基于程序存取进行工作的，历经半个多世纪的发展，其结构模式与运行机制仍然没有跳出传统的逻辑运算规则，因而在很多方面的功能还远不能达到人的智能水平。随着现代信息科学与技术的飞速发展，这方面的问题日趋尖锐，促使科学和技术专家们寻找解决问题的新出路。
当人们的思路转向研究大自然造就的精妙的人脑结构模式和信息处理机制时，推动了脑科学的深入发展以及人工神经网络和脑模型的研究。随着对生物脑的深入了解，人工神经网络获得长足发展。在经历了漫长的初创期和低潮期后，人工神经网络终于以其不容忽视的潜力与活力进入了发展高潮。60多年来，它的结构与功能逐步改善，运行机制渐趋成熟，应用领域日益扩大，在解决各行各业的难题中显示出巨大的潜力，取得了丰硕的成果。
正是由于人工神经网络是一门新兴的学科，它在理论、模型、算法、应用和实现等方面都还有很多空白点需要努力探索、研究、开拓和开发。因此，许多国家的政府和企业都投入了大量的资金，组织大量的科学和技术专家对人工神经网络的广泛问题立项研究。从人工神经网络的模拟程序和专用芯片的不断推出、论文的大量发表以及各种应用的报道可以看到，在这个领域里一个百花齐放、百家争鸣的局面已经形成。我国对人工神经网络的研究起步于20世纪70年代末期，90年代以来发展迅速。目前，人工神经网络已在我国科研、生产和生活中产生了普遍而巨大的影响。
为了适应人工神经网络应用不断深化的形势，作者在多年为研究生讲授“人工神经网络”课程的基础上，撰写了《人工神经网络理论、设计及应用（第二版）》的第一版。自2002年1月《人工神经网络理论、设计及应用（第二版）》第一版发行以来，受到广大读者的欢迎和好评，许多院校用作教材或参考书，近百篇学术论文作者将其列为参考文献，众多研究人员和师生与作者联系交流，一些专业网站上刊登了读者的评价与推介。考虑到近年来神经网络的理论与应用又有了进一步发展，首先，随着应用的日益深入普及，许多网络模型及算法已成为解决特定类型问题的常用工具，需要在教材中得到体现；其次，作者近4年来使用《人工神经网络理论、设计及应用（第二版）》第一版进行教学的过程中，积累了新的体会和经验，希望融入教材与同行共享。
基于以上考虑，《人工神经网络理论、设计及应用（第二版）》第二版在第一版基础上进行了较大的修订，增加了径向基函数网络、学习向量量化、主分量分析和支持向量机等内容，删除了自适应线性单元、神经网络的硬件实现、人工神经系统等内容。对第一版中保留的内容进行了改写和修订，并补充了许多应用实例和练习题。
第二版《人工神经网络理论、设计及应用（第二版）》共分10章。第1章对人脑与计算机信息处理能力与机制进行了比较，归纳了人脑生物神经网络的基本特征与功能，介绍了人工神经网络的发展简史及主要应用领域。第2章介绍了人工神经网络的基础知识，包括生物神经元信息处理机制、人工神经元模型、人工神经网络模型以及几种常用学习算法。第3章介绍了单层感知器和多层感知器，从几何意义上对单层感知器求解线性可分问题进行了分析，作为读者学习神经网络并建立自学习、自适应和自组织等概念的基础；重点论述了基于误差反向传播算法的多层前馈网络的拓扑结构、算法原理、设计方法及应用实例。第4章介绍了竞争学习的概念与原理，在此基础上论述了自组织特征映射网（SOM）和自适应共振网（ART）两种重要的自组织神经网络的结构、原理及算法，并重点介绍了自组织特征映射网络的设计与应用。第5章介绍了两种将竞争学习与监督学习两种思想相组合的网络，包括学习向量量化网（LVQ）和对向传播网（CPN）。第6章介绍了几种反馈神经网络，包括用于联想记忆离散型Hopfield网络与用于优化计算的连续型Hopfield网络、双向联想记忆网络、随机神经网络Boltzmann机，以及用于动态信号与系统处理的递归神经网络。第7章简要介绍智能控制中常用的局部逼近神经网络——小脑模型控制器。上述章节阐述的神经网络为应用最广的经典网络类型，建议作为神经网络的核心教学内容。第8章集中讨论了3种基于数学原理的人工神经网络，包括用于非线性映射与分类的径向基函数网络的原理及应用，用于特征提取的主分量分析神经网络，以及用于分类的支持向量机神经网络，这部分可作为学习人工神经网络的扩充内容。第9章介绍了神经网络系统设计与开发方面的基本知识。《人工神经网络理论、设计及应用（第二版）》在前7章后面配有思考与练习题，附录1给出神经网络的C语言算法源程序，附录2给出人工神经网络领域常用术语的中英文对照表。
《人工神经网络理论、设计及应用（第二版）》内容已制作成用于教学的多媒体课件，需要的读者可登陆北京工商大学网站http：//wwwbtbueducn/，在“精品课程”栏目中找到“人工神经网络”课程的相关材料。
《人工神经网络理论、设计及应用（第二版）》第一版曾得到清华大学阎平凡教授的指点和帮助，为第二版奠定了较好的基础，作者借此机会对阎教授再次表示感谢。此外，作者特别感激那些以《人工神经网络理论、设计及应用（第二版）》第一版作为教材的同行和研究生们，他们对《人工神经网络理论、设计及应用（第二版）》第一版的肯定和种种有益的建议为第二版的出版提供了强大的支持。
人工神经网络领域的理论与技术正处于蓬勃发展时期，由于作者水平所限，书中难免存在不足之处，恳请各位读者指正。编著者
2007年4月 |
|
|
|
|
|
人工神经网络理论、设计及应用（第二版） 调换货原则 |
|
|
|
|
查看评论 |
|
|
|
发布评论 |
|
|
|
|
| |
