123,123

內(nèi)容簡(jiǎn)介

　　《神經(jīng)網(wǎng)絡(luò)新理論與方法》介紹了作者所提出的人工神經(jīng)網(wǎng)絡(luò)的新理論與算法（樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)算法與代數(shù)算法），這些理論與算法徹底克服了困擾學(xué)術(shù)界多年的傳統(tǒng)算法的困難（例如局部極小、收斂速度慢、不收斂、難以求得全局最優(yōu)點(diǎn)等困難），其中樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)算法還具有很好的泛化能力。全書(shū)共有7章，討論了人工神經(jīng)網(wǎng)絡(luò)的概論、基本概念、實(shí)神經(jīng)網(wǎng)絡(luò)的代數(shù)算法、全局最小值分析、復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)的代數(shù)算法、樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)的統(tǒng)計(jì)靈敏度分析。《神經(jīng)網(wǎng)絡(luò)新理論與方法》邏輯嚴(yán)謹(jǐn)，論述清晰，數(shù)學(xué)推導(dǎo)詳細(xì)，對(duì)于相關(guān)領(lǐng)域的廣大科技工作者、理工科博士、碩士研究生以及高年級(jí)本科生都有很好的參考價(jià)值，也可以作為相關(guān)領(lǐng)域的培訓(xùn)或自學(xué)教材。

作者簡(jiǎn)介

　　張代遠(yuǎn)，男，博士學(xué)位，長(zhǎng)期從事神經(jīng)網(wǎng)絡(luò)和計(jì)算機(jī)體系結(jié)構(gòu)方面的科研和教學(xué)工作，出版專(zhuān)著、教材及教輔書(shū)4部，發(fā)表學(xué)術(shù)論文60余篇，其中不少被國(guó)際權(quán)威機(jī)構(gòu)檢索。作者的主要科研成果如下：　神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域：作者提出了樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)算法與代數(shù)算法，這些理論與方法徹底克服了困擾學(xué)術(shù)界多年的傳統(tǒng)算法的局部極小、收斂速度慢、難以求得全局最優(yōu)點(diǎn)等困難。特別是樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)理論與算法具有網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單、泛化能力強(qiáng)等突出優(yōu)點(diǎn)，值得推廣?！∮?jì)算機(jī)體系結(jié)構(gòu)領(lǐng)域：作者提出了迭加原理，給出了迭加原理的一般形式和遞推形式。根據(jù)迭加原理可以自然地導(dǎo)出獎(jiǎng)態(tài)圖的畫(huà)法規(guī)則。引入主流水線漸近參數(shù)的概念，導(dǎo)出了計(jì)算非線性流水線漸近參數(shù)的公式。作者提出的計(jì)算非線性流水線參數(shù)的公式給出了反映各個(gè)參數(shù)內(nèi)在關(guān)系的數(shù)學(xué)表達(dá)式。

圖書(shū)目錄

第1章  概論    1
1.1  計(jì)算機(jī)、生物神經(jīng)網(wǎng)絡(luò)與人工神經(jīng)網(wǎng)絡(luò)    1
1.2  本書(shū)的目的與價(jià)值    2
1.3  神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史簡(jiǎn)介    4
參考文獻(xiàn)    6
第2章  人工神經(jīng)元和人工神經(jīng)網(wǎng)絡(luò)的基本概念    7
2.1  生物學(xué)的啟示    7
2.2  人工神經(jīng)元模型    8
2.2.1  單輸入單輸出人工神經(jīng)元    8
2.2.2  多輸入單輸出人工神經(jīng)元    10
2.3  人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)    11
第3章  實(shí)神經(jīng)網(wǎng)絡(luò)的代數(shù)算法    14
3.1  引言    14
3.2  BP算法的缺點(diǎn)與困難    15
3.3  代數(shù)算法的基本原理    22
3.3.1  符號(hào)與神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)    22
3.3.2  代數(shù)算法的理論與實(shí)現(xiàn)    26
3.4  計(jì)算實(shí)例    30
3.5  結(jié)論    32
參考文獻(xiàn)    33
第4章  全局最小值分析    34
4.1  引言    34
4.2  三層前饋網(wǎng)絡(luò)代價(jià)函數(shù)全局最小值分析    34
4.3  數(shù)值仿真實(shí)驗(yàn)    38
4.4  結(jié)論    40
參考文獻(xiàn)    40
第5章  復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)的代數(shù)算法    41
5.1  引言    41
5.2  復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)的概念    41
5.3  復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)的構(gòu)造    42
5.4  復(fù)數(shù)前饋神經(jīng)網(wǎng)絡(luò)的全局最優(yōu)學(xué)習(xí)算法的基本原理    42
5.5  隱層神經(jīng)元個(gè)數(shù)的確定以及線性方程組的求解    44
5.5.1  解存在的充分必要條件及隱層神經(jīng)元個(gè)數(shù)的確定    44
5.5.2  隱層神經(jīng)元函數(shù)的選擇    45
5.5.3  復(fù)自由權(quán)的選擇    45
5.6  本章結(jié)論與數(shù)值仿真實(shí)驗(yàn)    49
參考文獻(xiàn)    50
第6章  樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法    51
6.1  引言    52
6.2  學(xué)習(xí)曲線    52
6.3  投影概念與投影方程    55
6.4  第一類(lèi)權(quán)函數(shù)的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與訓(xùn)練算法（和函數(shù)的訓(xùn)練算法）    59
6.4.1  第一類(lèi)權(quán)函數(shù)的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)    59
6.4.2  樣條權(quán)函數(shù)方程的建立與求解    62
6.5  第一類(lèi)權(quán)函數(shù)的訓(xùn)練算法（和函數(shù)的訓(xùn)練算法）的誤差分析    66
6.6  第一類(lèi)權(quán)函數(shù)的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與訓(xùn)練算法的一般情
況（和函數(shù)的訓(xùn)練算法）    88
6.7  第二類(lèi)權(quán)函數(shù)的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與訓(xùn)練算法（積函數(shù)的訓(xùn)練算法）    94
6.7.1  第二類(lèi)權(quán)函數(shù)的訓(xùn)練算法（積函數(shù)的訓(xùn)練算法）的基本原理    94
6.7.2  第二類(lèi)權(quán)函數(shù)的訓(xùn)練算法（積函數(shù)的訓(xùn)練算法）的誤差分析    104
6.8  奇異樣本的概念    106
6.9  數(shù)值仿真實(shí)驗(yàn)    110
6.10  結(jié)論    112
參考文獻(xiàn)    112
第7章  神經(jīng)網(wǎng)絡(luò)的統(tǒng)計(jì)靈敏度分析    114
7.1  引言    114
7.2  符號(hào)約定    115
7.3  靈敏度分析    116
7.3.1  神經(jīng)網(wǎng)絡(luò)誤差的一般計(jì)算公式    116
7.3.2  三層神經(jīng)網(wǎng)絡(luò)的輸出層誤差與靈敏度的計(jì)算    118
7.3.3  INI網(wǎng)絡(luò)的輸出層誤差與靈敏度計(jì)算    121
7.4  數(shù)值仿真實(shí)驗(yàn)    122
7.5  結(jié)論    123
參考文獻(xiàn)    125