人工神经网络理论及应用pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

人工神经网络理论及应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一篇 人工神经网络基础篇 3

第1章 生物神经网络理论基础 3

1.1生物神经元的结构和功能 3

1.2神经系统的电活动 4

1.3人脑的信息存储 6

1.4人脑与电脑 8

习题 10

参考文献 11

第2章 人工神经网络概述 12

2.1人工神经网络发展历程 12

2.2人工神经网络特点 18

2.3人工神经网络应用 19

习题 23

参考文献 24

第3章 人工神经网络数理基础 25

3.1神经元模型 25

3.2导数 29

3.3微分 30

3.3.1定义 30

3.3.2定理与性质 30

3.4积分 30

3.4.1定义 30

3.4.2定积分定理与性质 31

3.5梯度 31

3.6行列式 32

3.7矩阵 32

3.7.1概念 32

3.7.2矩阵的运算 33

3.7.3矩阵运算性质 33

3.8向量 34

3.8.1定义 34

3.8.2向量的运算和向量内积的准则 34

3.8.3线性表示与线性相关 34

3.9特征值与特征向量 34

3.10随机事件与概率 35

3.11范数 36

3.11.1定义 36

3.11.2向量的范数 36

3.11.3矩阵的范数 36

习题 37

参考文献 37

第二篇 人工神经网络理论篇 41

第4章 感知器 41

4.1概述 41

4.2感知器的结构和原理 42

4.2.1感知器的结构 42

4.2.2感知器的原理 42

4.2.3感知器的学习策略 44

4.3单层感知器 44

4.3.1单层感知器模型 44

4.3.2单层感知器的功能 46

4.3.3单层感知器的学习算法 47

4.3.4单层感知器的局限性 49

4.4多层感知器 50

4.4.1多层感知器的结构和特点 50

4.4.2多层感知器的功能 51

4.4.3多层感知器的学习算法 53

4.5应用案例 54

习题 58

参考文献 59

第5章 BP神经网络 60

5.1概述 60

5.2BP神经网络结构 61

5.3BP神经网络算法 62

5.3.1算法原理 62

5.3.2反向传播实例 66

5.4BP算法的不足与改进 68

5.4.1BP算法的不足 68

5.4.2BP算法的改进 70

5.5应用案例 72

习题 78

参考文献 79

第6章 RBF神经网络 80

6.1概述 80

6.2RBF神经网络结构和原理 81

6.3RBF神经网络算法 82

6.4RBF神经网络的相关问题 84

6.5应用案例 85

习题 87

参考文献 88

第7章 ADALINE神经网络 89

7.1概述 89

7.2ADALINE结构和原理 89

7.2.1单层ADALINE模型 89

7.2.2算法原理 90

7.2.3多层ADALINE模型 92

7.3应用案例 94

习题 98

参考文献 98

第8章 Hopfield神经网络 99

8.1概述 99

8.2离散Hopfield神经网络 99

8.2.1网络结构 99

8.2.2工作方式 100

8.2.3网络的稳定性 101

8.2.4网络算法 102

8.3连续Hopfield神经网络 104

8.3.1网络结构 104

8.3.2网络的稳定性 106

8.4应用案例 106

习题 112

参考文献 112

第9章 深度卷积神经网络 113

9.1概述 113

9.2深度卷积神经网络的结构和原理 113

9.2.1深度卷积神经网络的结构 113

9.2.2深度卷积神经网络的原理 115

9.3几种基本的深度卷积神经网络 116

9.3.1AlexNet 116

9.3.2VGGNet 117

9.3.3ResNet 118

9.4应用案例 119

9.4.1几种深度学习应用框架 119

9.4.2基于AlexNet的图像识别 120

习题 123

参考文献 123

第10章 生成式对抗网络 124

10.1概述 124

10.2生成式对抗网络的结构 125

10.3生成式对抗网络算法 126

10.4改进的生成式对抗网络 128

10.5应用案例 130

习题 133

参考文献 133

第11章 Elman神经网络 134

11.1概述 134

11.2Elman神经网络结构和原理 134

11.3Elman神经网络的学习算法 136

11.4Elman神经网络稳定性分析 137

11.5应用案例 139

习题 143

参考文献 143

第12章 AdaBoost神经网络 144

12.1概述 144

12.2AdaBoost网络结构和算法 144

12.3AdaBoost算法中的影响因素 147

12.3.1AdaBoost算法的训练误差分析 147

12.3.2AdaBoost分类问题中的损失函数 148

12.3.3AdaBoost算法的正则化 149

12.4应用案例 150

习题 155

参考文献 156

第13章 SOFM神经网络 157

13.1概述 157

13.2SOFM神经网络的结构 157

13.3SOFM神经网络的原理和学习算法 158

13.3.1SOFM神经网络的原理 158

13.3.2SOFM神经网络的学习算法 160

13.4应用案例 161

习题 166

参考文献 166

第三篇 人工神经网络实践及应用篇 169

第14章 基于Simulink的人工神经网络建模 169

14.1概述 169

14.2Simulink启动和神经网络模块库 169

14.2.1Simulink的启动 169

14.2.2Simulink神经网络模块库 171

14.3模型的设置和操作 175

14.3.1模块的操作 175

14.3.2信号线的操作 176

14.3.3仿真参数的设置 176

14.3.4常用模块的设置 177

14.4单神经元建模 180

14.5函数逼近的Simulink仿真模型 183

14.5.1参数未改变的模型及仿真 183

14.5.2改变参数的模型及仿真 185

14.6应用案例 189

习题 193

参考文献 193

第15章 基于GUI的人工神经网络设计 194

15.1概述 194

15.2软件架构设计 194

15.3创建工程 195

15.3.1FIG文件编辑器 197

15.3.2M文件编辑器 198

15.4主页面设计 199

15.5交互式参数设置 202

15.6软件主要功能设计 204

15.6.1检测识别 205

15.6.2处理建议 214

15.7辅助功能 217

15.8帮助文件制作 219

习题 221

参考文献 222

附录A GUI对象的常用属性 223

附录B 特殊字符格式说明 226

附录C 软件代码 227