资料下载
×
神经网络原理下载-免费
消耗积分:10 |
格式:rar |
大小:9999 |
2008-06-19
凤毛麟角
分享资料个
神经网络是计算智能和机器学习研究的最活跃的分支之一。本书全面系统地介绍神经网络的基本概念，系统理论和实际应用。
本书包含四个组成部分：导论，监督学习，无监督学习，神经网络动力学模型。导论部分介绍神经元模型、神经网络结构和机器学习的基本概念和理论。监督学习讨论感知机学习规则，有监督的Hebb学习，学习算法，反向传播算法及其变形，RBF网络，正规化网络、支持向量机以及委员会机器。无监督学习包括主分量分析，自组织特征映射模型的竞争学习形式，无监督学习的信息理论，植根于统计力学的随机学习机器，最后是与动态规划相关的增强式学习。神经网络动力学模型研究由短期记忆和分层前馈网络构成的动态系统，反馈非线性动态系统性的稳定性和联想记忆，以及另一类非线性动态驱动的递归网络系统。
缩写和符号
第一章导言
第二章学习过程
第三章单层感知器
第四章多层感知器
第五章径向基函数网络
第六章支持向量机
第七章委员会机器
第八章主分量分析
第九章自组织映射
第十章信息论模型
第十一章植根于统计力学的随机机器和它们的逼近
第十二章神经动态规划
第十三章使用前馈网络的时序处理
第十四章神经动力学
第十五章动态驱动的递归网络
后记
参考文献
索引
本书包含四个组成部分：导论，监督学习，无监督学习，神经网络动力学模型。导论部分介绍神经元模型、神经网络结构和机器学习的基本概念和理论。监督学习讨论感知机学习规则，有监督的Hebb学习，学习算法，反向传播算法及其变形，RBF网络，正规化网络、支持向量机以及委员会机器。无监督学习包括主分量分析，自组织特征映射模型的竞争学习形式，无监督学习的信息理论，植根于统计力学的随机学习机器，最后是与动态规划相关的增强式学习。神经网络动力学模型研究由短期记忆和分层前馈网络构成的动态系统，反馈非线性动态系统性的稳定性和联想记忆，以及另一类非线性动态驱动的递归网络系统。
缩写和符号
第一章导言
第二章学习过程
第三章单层感知器
第四章多层感知器
第五章径向基函数网络
第六章支持向量机
第七章委员会机器
第八章主分量分析
第九章自组织映射
第十章信息论模型
第十一章植根于统计力学的随机机器和它们的逼近
第十二章神经动态规划
第十三章使用前馈网络的时序处理
第十四章神经动力学
第十五章动态驱动的递归网络
后记
参考文献
索引
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
