| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787302677413 |
| 丛书名：科学与工程计算技术丛书 |
| 所属分类：图书>计算机/网络>操作系统/系统开发>其他 |
编辑推荐
本书以 为平台编写，以实际应用为背景，以“理论 公式 经典应用”相结合的形式，深入浅出地介绍神经网络经典分析与应用，重点介绍各种神经网络的经典应用。
版本先进，功能新颖 更新的同时，神经网络工具箱随之更新换代，许多旧的函数被新的函数替换。本书基于 平台编写，介绍了该版本下的神经网络工具箱的使用方法。
由浅入深，循序渐进 从最简单的感知器到复杂的自组织竞争网络，再到深度神经网络等内容，均对其进行了介绍。通过相应的实例来巩固原理、概念。结合实际性，重点讲解常用的网络。
实例丰富，贴近实际 在讲解神经网络应用时，精心选择了有代表性的实例。每章均提供了贴近工程实践的案例，便于读者了解实际应用。
图文并茂，全面解读 丰富的代码实例及运行效果图，原理分析通俗易懂，采用编程实现了部分简单的神经网络，有利于加深读者对神经网络的理解。
实例丰富，便于教学 为了便于教师教学，提供教学课件、程序代码等教学资料。内容简介
《神经网络分析及应用》以 为平台，以实际应用为背景，采用“理论 公式 经典应用”相结合的形式，深入浅出地讲解神经网络经典分析与应用。全书共章，主要包括为什么神经网络应用广泛、快速入门、感知器分析与应用、线性神经网络分析与应用、神经网络分析与应用、神经网络分析与应用、反馈神经网络分析与应用、竞争型神经网络分析与应用、神经网络的应用、自定义神经网络、深度神经网络的分析与应用。通过学习本书，读者可以认识到神经网络在各领域中的广泛应用，可以领略到利用实现神经网络的方便、快捷、专业性强等特点。
《神经网络分析及应用》可作为神经网络领域初学者和提高者的学习资料，也可作为高等院校相关课程的教材，还可作为广大科研人员、学者、工程技术人员的参考用书。
目 录
第章 神经网络应用广泛的原因
人工神经网络的定义
神经网络基本概述
人工神经元的基本特征
人工神经元的特点与优越性
人工神经网络的类型
单层前向网络
多层前向网络
反馈网络
竞争型神经网络
深度神经网络
人工神经网络的应用
神经网络的发展史
模型提出第章 神经网络应用广泛的原因
人工神经网络的定义
神经网络基本概述
人工神经元的基本特征
人工神经元的特点与优越性
人工神经网络的类型
单层前向网络
多层前向网络
反馈网络
竞争型神经网络
深度神经网络
人工神经网络的应用
神经网络的发展史
模型提出
冰河期
反向传播引起的复兴
第二次低潮
深度学习的崛起
神经网络学习
第章 快速入门
功能及发展
常用功能
的发展
集成开发环境
帮助命令
桌面基础知识
语言基础
命令输入
矩阵和数组
数据类型
基本运算
循环及选择结构
第章 感知器分析与应用
单层感知器
单层感知器模型
单层感知器结构
创建感知器
感知器学习规则
训练
感知器的限制
离群值和归一化感知器规则
感知器工具箱函数
感知器的应用
多层感知器分析与应用
第章 线性神经网络分析与应用
线性神经网络与感知器的区别
线性神经网络原理
线性神经网络模型
线性神经网络结构
线性滤波器
自适应线性滤波网络
学习规则
网络训练
线性神经网络函数
线性神经网络的实现
第章 神经网络分析与应用
神经网络原理
神经网络模型
神经网络的流程
神经网络的训练
神经网络功能
神经网络设计
网络的层数
隐藏层的神经元数
初始值的选取
学习速率
神经网络函数
神经网络的应用
神经网络在数据预测中的应用
神经网络在函数逼近中的应用
神经网络的工具箱拟合数据应用
神经网络在语音特征信号识别中的应用
第章 神经网络分析与应用
神经网络模型
神经网络的思想
神经网络的工作原理
解决插值问题
插值概述
完全内插存在的问题
正则化理论
正则化
广义网络
学习算法
网络工具箱函数
网络的应用
第章 反馈神经网络分析与应用
静态与反馈网络
神经网络
神经网络特点
神经网络结构
神经网络的学习过程
神经网络的应用
离散神经网络
神经网络结构
网络的工作方式
网络的稳定
联想记忆
学习规则
连续神经网络
连续神经网络的稳定性
连续神经网络的实现
第章 竞争型神经网络分析与应用
竞争型神经网络
自组织神经网络
自组织竞争学习
自组织竞争学习规则
联想学习规则
自组织神经网络的原理
自组织神经网络实现
自组织特征映射网络
拓扑结构
权值调整
算法步骤
自组织映射网络的实现
使用自组织映射对数据进行聚类
学习向量量化神经网络
量化的定义
神经网络
网络算法
网络的实现
对偶传播神经网络
网络结构与运行原理
学习算法
改进
实现
自适应共振理论网络
Ⅰ型网络
Ⅰ型网络学习过程
Ⅰ型网络的应用
第章 神经网络的应用
神经网络模块
神经网络模块
模块的生成
基于的神经网络的控制系统
神经网络模型预测控制
反馈线性化控制
模型参考控制
第章 自定义神经网络
自定义神经网络概述
创建网络
网络的初始化和训练
自定义函数
初始化函数
学习函数
仿真函数
第章 深度神经网络分析与应用
卷积神经网络
卷积神经网络的结构
卷积神经网络的训练
卷积神经网络的算法
卷积神经网络的实现
循环神经网络
循环神经网络的特点
循环神经网络的原理
损失函数
梯度求解
循环神经网络的实现
长短期记忆网络
基本单元结构
的应用
参考文献
显示全部信息
本书以 为平台编写，以实际应用为背景，以“理论 公式 经典应用”相结合的形式，深入浅出地介绍神经网络经典分析与应用，重点介绍各种神经网络的经典应用。
版本先进，功能新颖 更新的同时，神经网络工具箱随之更新换代，许多旧的函数被新的函数替换。本书基于 平台编写，介绍了该版本下的神经网络工具箱的使用方法。
由浅入深，循序渐进 从最简单的感知器到复杂的自组织竞争网络，再到深度神经网络等内容，均对其进行了介绍。通过相应的实例来巩固原理、概念。结合实际性，重点讲解常用的网络。
实例丰富，贴近实际 在讲解神经网络应用时，精心选择了有代表性的实例。每章均提供了贴近工程实践的案例，便于读者了解实际应用。
图文并茂，全面解读 丰富的代码实例及运行效果图，原理分析通俗易懂，采用编程实现了部分简单的神经网络，有利于加深读者对神经网络的理解。
实例丰富，便于教学 为了便于教师教学，提供教学课件、程序代码等教学资料。内容简介
《神经网络分析及应用》以 为平台，以实际应用为背景，采用“理论 公式 经典应用”相结合的形式，深入浅出地讲解神经网络经典分析与应用。全书共章，主要包括为什么神经网络应用广泛、快速入门、感知器分析与应用、线性神经网络分析与应用、神经网络分析与应用、神经网络分析与应用、反馈神经网络分析与应用、竞争型神经网络分析与应用、神经网络的应用、自定义神经网络、深度神经网络的分析与应用。通过学习本书，读者可以认识到神经网络在各领域中的广泛应用，可以领略到利用实现神经网络的方便、快捷、专业性强等特点。
《神经网络分析及应用》可作为神经网络领域初学者和提高者的学习资料，也可作为高等院校相关课程的教材，还可作为广大科研人员、学者、工程技术人员的参考用书。
目 录
第章 神经网络应用广泛的原因
人工神经网络的定义
神经网络基本概述
人工神经元的基本特征
人工神经元的特点与优越性
人工神经网络的类型
单层前向网络
多层前向网络
反馈网络
竞争型神经网络
深度神经网络
人工神经网络的应用
神经网络的发展史
模型提出第章 神经网络应用广泛的原因
人工神经网络的定义
神经网络基本概述
人工神经元的基本特征
人工神经元的特点与优越性
人工神经网络的类型
单层前向网络
多层前向网络
反馈网络
竞争型神经网络
深度神经网络
人工神经网络的应用
神经网络的发展史
模型提出
冰河期
反向传播引起的复兴
第二次低潮
深度学习的崛起
神经网络学习
第章 快速入门
功能及发展
常用功能
的发展
集成开发环境
帮助命令
桌面基础知识
语言基础
命令输入
矩阵和数组
数据类型
基本运算
循环及选择结构
第章 感知器分析与应用
单层感知器
单层感知器模型
单层感知器结构
创建感知器
感知器学习规则
训练
感知器的限制
离群值和归一化感知器规则
感知器工具箱函数
感知器的应用
多层感知器分析与应用
第章 线性神经网络分析与应用
线性神经网络与感知器的区别
线性神经网络原理
线性神经网络模型
线性神经网络结构
线性滤波器
自适应线性滤波网络
学习规则
网络训练
线性神经网络函数
线性神经网络的实现
第章 神经网络分析与应用
神经网络原理
神经网络模型
神经网络的流程
神经网络的训练
神经网络功能
神经网络设计
网络的层数
隐藏层的神经元数
初始值的选取
学习速率
神经网络函数
神经网络的应用
神经网络在数据预测中的应用
神经网络在函数逼近中的应用
神经网络的工具箱拟合数据应用
神经网络在语音特征信号识别中的应用
第章 神经网络分析与应用
神经网络模型
神经网络的思想
神经网络的工作原理
解决插值问题
插值概述
完全内插存在的问题
正则化理论
正则化
广义网络
学习算法
网络工具箱函数
网络的应用
第章 反馈神经网络分析与应用
静态与反馈网络
神经网络
神经网络特点
神经网络结构
神经网络的学习过程
神经网络的应用
离散神经网络
神经网络结构
网络的工作方式
网络的稳定
联想记忆
学习规则
连续神经网络
连续神经网络的稳定性
连续神经网络的实现
第章 竞争型神经网络分析与应用
竞争型神经网络
自组织神经网络
自组织竞争学习
自组织竞争学习规则
联想学习规则
自组织神经网络的原理
自组织神经网络实现
自组织特征映射网络
拓扑结构
权值调整
算法步骤
自组织映射网络的实现
使用自组织映射对数据进行聚类
学习向量量化神经网络
量化的定义
神经网络
网络算法
网络的实现
对偶传播神经网络
网络结构与运行原理
学习算法
改进
实现
自适应共振理论网络
Ⅰ型网络
Ⅰ型网络学习过程
Ⅰ型网络的应用
第章 神经网络的应用
神经网络模块
神经网络模块
模块的生成
基于的神经网络的控制系统
神经网络模型预测控制
反馈线性化控制
模型参考控制
第章 自定义神经网络
自定义神经网络概述
创建网络
网络的初始化和训练
自定义函数
初始化函数
学习函数
仿真函数
第章 深度神经网络分析与应用
卷积神经网络
卷积神经网络的结构
卷积神经网络的训练
卷积神经网络的算法
卷积神经网络的实现
循环神经网络
循环神经网络的特点
循环神经网络的原理
损失函数
梯度求解
循环神经网络的实现
长短期记忆网络
基本单元结构
的应用
参考文献
显示全部信息