圖書基本信息
英文名: Neural Networks:A Comprehensive Foundation,2nd Edition
作者: Simon Haykin
譯者: 葉世偉等
ISBN: 9787111127598
頁數: 633
定價: 69.0
出版社: 機械工業出版社
裝幀: 平裝
出版年: 2004-1-1
圖書信息
作者:SimonHaykin
譯者:葉世偉史忠植
出版社:機械工業出版社
出版年:2004-01-01
頁數:656
定價:69.00
裝幀:平裝(無盤)
叢書:計算機科學叢書
ISBN:9787111127598
内容介紹
神經網絡是計算智能和機器學習研究、開發和應用最活躍的分支之一。本書是神經網絡方面的标準教材，從理論和實際應用出發，全面、系統地介紹神經網絡的基本模型、基本方法和基本技術，對神經網絡的基本模型和主要學習理論都作了深入研究，特别在學習理論和學習算法的推導方面有極為詳盡而系統地分析，對神經網絡的最新發展趨勢和主要研究方向都進行了全面而綜合的介紹。理論和實際應用緊密結合，為神經網絡的具體應用打下堅實的基礎，是一本可讀性極強的教材。
書中注重對數學分析方法和性能優化的讨論，強調神經網絡在模式識别、信号處理以及控制系統等實際工程問題中的應用。同時本書包含大量例題、習題，并配有13個基于matlab軟件包的計算機試驗的源程序。
本書适合作為相關專業研究生或本科高年級學生的教材，或作為希望系統、深入學習神經網絡的科技工作者的參考書。
神經網絡是計算智能和機器學習研究的最活躍的分支之一。本書全面系統地介紹神經網絡的基本概念、系統理論和實際應用。
本書包含四個組成部分：導論，監督學習，無監督學習，神經網絡動力學模型。導論部分介紹神經元模型、神經網絡結構和機器學習的基本概念和理論。監督學習讨論感知機學習規則，有監督的hebb學習，widrow-hoff學習算法，反向傳播算法及其變形，rbf網絡，正則化網絡，支持向量機以及委員會機器。無監督學習包括主分量分析，自組織特征映射模型的競争學習形式，無監督學習的信息理論，植根于統計力學的随機學習機器，最後是與動态規劃相關的增強式學習。神經網絡動力學模型研究由短期記憶和分層前饋網絡構成的動态系統，反饋非線性動态系統的穩定性和聯想記憶，以及另一類非線性動态驅動的遞歸網絡系統。
本書注重對數學分析方法和性能優化的讨論，強調神經網絡在模式識别、信号處理和控制系統等實際工程問題中的應用。書中包含大量例題和習題，并配有13個基于matlab軟件的計算機實驗程序。
本書适于作研究生或大學高年級學生的教材，也可作希望深入學習神經網絡的科技人員的參考書。
作者介紹
作者:SimonHaykin
SimonHaykin是國際電子電氣工程界的著名學者，加拿大皇家學會院士，IEEE會士，于1953年獲得英國伯明翰大學博士學位，現任加拿大麥克馬斯特大學教授，在該校創辦了通信研究實驗室并長期擔任主任。他曾經獲得IEEEMcNaughton獎章，在神經網絡、通信、自适應濾波器等領域成果頗豐，着有多種标準教材。.....
目錄
第1章導言
第2章學習過程
第3章單層感知器
第4章多層感知器
第5章徑向基函數網絡
第6章支持向量機
第7章委員會機器
第8章主分量分析
第9章自組織映射
第10章信息論模型
第11章植根于統計力學的随機機器和它們的逼近
第12章神經動态規劃
第14章神經動力學
第15章動态驅動的遞歸網絡
後記
參考文獻
索引
