大規(guī)模人工神經(jīng)網(wǎng)絡理論基礎

定　價：￥24.00

作　者：	羅四維著
出版社：	北方交通大學出版社
叢編項：	高等學校教材
標　簽：	神經(jīng)計算

購買這本書可以去

ISBN：	9787810821742	出版時間：	2004-02-01	包裝：	平裝
開本：	23cm	頁數(shù)：	177	字數(shù)：

內(nèi)容簡介

　　本書從構(gòu)造大規(guī)模人工神經(jīng)網(wǎng)絡系統(tǒng)的角度討論了有關的系統(tǒng)理論和方法，主要內(nèi)容包括人工神經(jīng)網(wǎng)絡的分布系統(tǒng)論（熱力學方法）、信息論方法、基于信息幾何的神經(jīng)場方法。這些內(nèi)容對于進一步構(gòu)造實用的大規(guī)模人工神經(jīng)網(wǎng)絡，以及深入研究人工神經(jīng)網(wǎng)絡和大規(guī)模分布系統(tǒng)都是重要的理論基礎。本書的編寫內(nèi)容包含了作者及其所指導博士生的研究成果，同時也結(jié)合了作者多年給研究生講授該研究領域課程的最新內(nèi)容。本書敘述深入淺出、條理分明，突出全書連貫性，便于讀者理解與掌握。本書適合作為計算機或信號處理專業(yè)的研究生課程教材，或作為從事該領域研究的科學技術人員的參考書。

作者簡介

　　羅四維，1967年畢業(yè)于中國科學技術大學，獲博士學位?，F(xiàn)任北方交通大學計算機科學技術系系主任、教授、博士生導師。中國軟件行業(yè)協(xié)會理事、中國計算機學會計算機系統(tǒng)結(jié)構(gòu)專業(yè)委員會副主任、北京鐵道學會計算機應用專業(yè)委員會副主任。自1987年以來一直從事人工神經(jīng)網(wǎng)絡方面的教學和科學研究工作，在人工神經(jīng)網(wǎng)絡科研方面得到國家自然基金委的三次資助，主要著作有《人工神經(jīng)網(wǎng)絡建造》。

圖書目錄

第1章緒論
1. 1 人工神經(jīng)網(wǎng)絡介紹
1. 1. 1 人工神經(jīng)網(wǎng)絡的概述和發(fā)展史
1. 1. 2 神經(jīng)元的形式化描述和人工神經(jīng)網(wǎng)絡模型
1. 2 人工神經(jīng)網(wǎng)絡的發(fā)展趨勢
1. 2. 1 生物智能的啟發(fā)
1. 2. 2 泛化能力
1. 2. 3 人工神經(jīng)網(wǎng)絡的發(fā)展趨勢
1. 3 神經(jīng)場學習理論
1. 3. 1 神經(jīng)場理論的目的和意義
1. 3. 2 神經(jīng)場理論的研究現(xiàn)狀
1. 4 知識可增殖人工神經(jīng)網(wǎng)絡
參考文獻
第2章系統(tǒng)熵
2. 1 信息論的原理
2. 1. 1 熵
2. 1. 2 聯(lián)合熵與條件熵
2. 1. 3 相對熵
2. 1. 4 互信息
2. 1. 5 微分熵
2. 1. 6 隨機變量序列下的鏈式規(guī)則
2. 1. 7 信息論中的一些基本不等式
2. 2 系統(tǒng)熵
2. 2. 1 最大熵原理
2. 2. 2 最小相對信息原理
2. 2. 3 最小平均能量原理
2. 2. 4 有序和無序平衡原理
2. 2. 5 系統(tǒng)平衡態(tài)的熵
2. 2. 6 平衡狀態(tài)的平均能量
2. 2. 7 最大熵分布
參考文獻
第3章神經(jīng)場研究的數(shù)學基礎
3. 1 微分流形的基本概念
3. 1. 1 微分流形
3. 1. 2 切向量和切向量空間
3. 1. 3 Riemannian流形與仿射聯(lián)絡
3. 1. 4 子流形
3. 2 信息幾何理論
3. 2. 1 對偶平坦流形
3. 2. 2 統(tǒng)計模型流形的幾何結(jié)構(gòu)
3. 2. 3 指數(shù)流形上的幾何
3. 3 流形上的拓撲結(jié)構(gòu)分析理論
參考文獻
第4章傳統(tǒng)學習算法
4. 1 感知器算法
4. 1. 1 感知器基本性質(zhì)
4. 1. 2 感知器梯度算法
4. 1. 3 感知器算法的收斂性
4. 1. 4 線性閾值部件感知器
4. 2 誤差反傳遞算法
4. 2. 1 兩層網(wǎng)的缺點
4. 2. 2 擴展誤差 △ 規(guī)則
4. 2. 3 模擬結(jié)果
4. 3 競爭學習算法
4. 3. 1 競爭學習
4. 3. 2 形式分析
4. 3. 3 實驗結(jié)果
4. 4 Hopfield模型
4. 4. 1 Ising模型
4. 4. 2 平均場近似模型
4. 4. 3 Hopfield模型
4. 4. 4 Hopfidd權(quán)值公式證明
4. 4. 5 連續(xù)Hopfield網(wǎng)絡模型
4. 4. 6 Hopfidd網(wǎng)絡的應用
4. 5 徑向基神經(jīng)網(wǎng)絡算法
4. 5. 1 RBF的介紹
4. 5. 2 徑向基函數(shù)網(wǎng)絡介紹
4. 5. 3 RBF網(wǎng)絡訓練的準則和常用算法
4. 5. 4 RBF網(wǎng)絡的交替梯度算法
4. 5. 5 一維梯度算法
4. 5. 6 在線自然交替梯度算法
4. 5. 7 共軛梯度算法
4. 6 本章相關知識
參考文獻
第5章概率網(wǎng)絡模型
5. 1 網(wǎng)絡
5. 2 玻耳茲曼機器
5. 2. 1 玻耳茲曼機器的相關理論
5. 2. 2 玻耳茲曼機器
5. 3 玻耳茲曼機器的互信息最大化原則
5. 4 玻耳茲曼機器的冗余度最小化和信息最大化
5. 5 EM算法
5. 5. 1 分層前饋網(wǎng)絡的概率模型
5. 5. 2 EM算法的基本思想
5. 5. 3 EM算法的具體步驟
5. 5. 4 編程公式推導
5. 6 本章相關知識
參考文獻
第6章神經(jīng)網(wǎng)絡的指數(shù)簇表示
6. 1 神經(jīng)網(wǎng)絡的表示與學習
6. 1. 1 前饋網(wǎng)絡的變換機理
6. 1. 2 反饋網(wǎng)絡模型動力學系統(tǒng)模型
6. 1. 3 自組織神經(jīng)網(wǎng)絡結(jié)構(gòu)的競爭特性和機理
6. 1. 4 神經(jīng)網(wǎng)絡的統(tǒng)計模型表示
6. 2 人工神經(jīng)網(wǎng)絡系統(tǒng)的流形表示
6. 2. 1 指數(shù)簇流形與人工神經(jīng)網(wǎng)絡
6. 2. 2 彎曲指數(shù)簇流形與人工神經(jīng)網(wǎng)絡
6. 3 神經(jīng)場學習理論
6. 3. 1 神經(jīng)場表示
6. 3. 2 神經(jīng)場學習模型的形式化表示
6. 3. 3 神經(jīng)場學習理論的幾何觀點
6. 3. 4 神經(jīng)場學習算法
參考文獻
第7章增殖神經(jīng)網(wǎng)絡
7. 1 增殖性問題
7. 1. 1 增殖性研究
7. 1. 2 神經(jīng)網(wǎng)絡集成
7. 1. 3 增量學習
7. 2 神經(jīng)場增殖性研究的可行性理論分析
7. 2. 1 神經(jīng)場結(jié)構(gòu)描述空間
7. 2. 2 神經(jīng)場復雜結(jié)構(gòu)可分解機理
7. 3 基于結(jié)構(gòu)的神經(jīng)場學習逼近理論
7. 3. 1 功能模塊化的結(jié)構(gòu)表示機理
7. 3. 2 知識增殖學習的結(jié)構(gòu)表示機理
7. 4 復形
參考文獻
第8章層次化混合模型的知識增殖性
8. 1 混合專家模型
8. 1. 1 混合專家模型的結(jié)構(gòu)
8. 1. 2 混合模型結(jié)構(gòu)的流形編碼表示
8. 2 分層混合神經(jīng)網(wǎng)絡 HME 模型
8. 2. 1 工作原理
8. 2. 2 HME模型的EM學習算法
8. 2. 3 改進的EM學習算法
8. 3 HME模型增殖性分析
8. 4 動態(tài)多叉樹算法
8. 4. 1 算法原理
8. 4. 2 算法實現(xiàn)
8. 4. 3 系統(tǒng)擴展實現(xiàn)
8. 4. 4 算法分析與比較
參考文獻