简介
本书以前馈网络、Hopfield神经网络系统与玻尔兹曼机模型为基础，系统介绍神经网络系统的理论及其应用.本书对以上模型进行了较系统与严格的讨论，对它们的模型、学习算法、性能指标与命题给以定量的数学描述、论证与计算.关于神经网络系统的应用，除了传统的优化与识别问题外，本书重点介绍了统计分析与股市分析中的神经网络计算问题.
本书可供从事数学、统计、电子、智能计算机与计算机应用的本科生、研究生、教师及有关的工程技术人员学习参考.
目录
总序
引言
有关记号
第一章 概论
1. 1 神经网络系统理论的研究目标与发展简史
1. 2 神经细胞与网络的构造与功能
1. 3 有关神经网络系统模型与应用范围概述
1. 4 有关的数学工具
第二章 感知器的基本模型与性质
2. 1 感知器的构造与学习算法
2. 2 线性可分性理论
2. 3 感知器学习算法的复杂度分析
2. 4 感知器学习算法的容量估计
第三章 前馈网络模型
3. 1 感知器模型的推广问题
3. 2 多层感知器模型
3. 3 高阶感知器理论
3. 4 具有非线性权函数的感知器
3. 5 模糊感知器及其学习算法
第四章 前馈网络理论的应用
.4. 1 感知器在模式识别与经济管理中的应用
4. 2 感知器在规划问题中的应用
4. 3 统计分析问题中的神经网络计算
4. 4 股市行情数据分析中的神经网络计算
第五章 有反馈神经网络系统理论与应用
5. 1 离散hopfield神经网络系统模型及其稳定性问题
5. 2 hnns的学习算法问题
5. 3 hnns的学习算法的容量问题
5. 4 tsp（售货员路线）问题
第六章 玻尔兹曼（boltzmann）机理论分析
6. 1 玻尔兹曼机的模型构造
6. 2 玻尔兹曼机的状态的运动方程及其稳定性问题
6. 3 玻尔兹曼机的学习算法
结束语
参考文献
引言
有关记号
第一章 概论
1. 1 神经网络系统理论的研究目标与发展简史
1. 2 神经细胞与网络的构造与功能
1. 3 有关神经网络系统模型与应用范围概述
1. 4 有关的数学工具
第二章 感知器的基本模型与性质
2. 1 感知器的构造与学习算法
2. 2 线性可分性理论
2. 3 感知器学习算法的复杂度分析
2. 4 感知器学习算法的容量估计
第三章 前馈网络模型
3. 1 感知器模型的推广问题
3. 2 多层感知器模型
3. 3 高阶感知器理论
3. 4 具有非线性权函数的感知器
3. 5 模糊感知器及其学习算法
第四章 前馈网络理论的应用
.4. 1 感知器在模式识别与经济管理中的应用
4. 2 感知器在规划问题中的应用
4. 3 统计分析问题中的神经网络计算
4. 4 股市行情数据分析中的神经网络计算
第五章 有反馈神经网络系统理论与应用
5. 1 离散hopfield神经网络系统模型及其稳定性问题
5. 2 hnns的学习算法问题
5. 3 hnns的学习算法的容量问题
5. 4 tsp（售货员路线）问题
第六章 玻尔兹曼（boltzmann）机理论分析
6. 1 玻尔兹曼机的模型构造
6. 2 玻尔兹曼机的状态的运动方程及其稳定性问题
6. 3 玻尔兹曼机的学习算法
结束语
参考文献
神经网络系统理论及其应用
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
