123,123

內(nèi)容簡(jiǎn)介

　　本書由人工精神網(wǎng)絡(luò)原理和人工神經(jīng)網(wǎng)絡(luò)應(yīng)用兩部分組成。第一部分介紹前饋神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)、Hopfied神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)的構(gòu)成原理及學(xué)習(xí)算法；第二部分介紹神經(jīng)網(wǎng)絡(luò)在信號(hào)與圖像處理和自動(dòng)控制中的應(yīng)用，內(nèi)容涉及神經(jīng)網(wǎng)絡(luò)圖像分析和圖像識(shí)別、神經(jīng)網(wǎng)絡(luò)用于優(yōu)化、神經(jīng)網(wǎng)絡(luò)系統(tǒng)識(shí)別、神經(jīng)網(wǎng)絡(luò)非線性預(yù)測(cè)控制，以及神經(jīng)網(wǎng)絡(luò)故障診斷等方面。本書可作為電子信息類專業(yè)大學(xué)本科生及研究生的教學(xué)參考書，也可供相關(guān)領(lǐng)域的工程技術(shù)人員和研究人員參考。

作者簡(jiǎn)介

暫缺《人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用》作者簡(jiǎn)介

圖書目錄

第一章概論
1.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展與現(xiàn)狀
1.2 人工神經(jīng)元模型
1.3 用有向圖表示神經(jīng)網(wǎng)絡(luò)
1.4 網(wǎng)絡(luò)結(jié)構(gòu)及工作方式
1.5 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
第二章前饋型神經(jīng)網(wǎng)絡(luò)
2.1 線性閾值單元組成的前饋網(wǎng)絡(luò)
2.2 非線性變換單元組成的前饋網(wǎng)絡(luò)
2.3 應(yīng)用舉例
第三章徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
3.1 函數(shù)逼近與內(nèi)插
3.2 正規(guī)化理論
3.3 RBF網(wǎng)絡(luò)的學(xué)習(xí)
3.4 RBF網(wǎng)絡(luò)的一些變形
3.5 模糊神經(jīng)網(wǎng)絡(luò)
3.6 RBF網(wǎng)絡(luò)應(yīng)用
第四章小波神經(jīng)網(wǎng)絡(luò)
4.1 引言
4.2 小波變換
4.3 多分辨率分析
4.4 小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)形式
4.5 小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法
4.6 不波網(wǎng)絡(luò)的應(yīng)用
第五章 Hopfield反饋神經(jīng)網(wǎng)絡(luò)
5.1 聯(lián)想存儲(chǔ)器
5.2 反饋網(wǎng)絡(luò)
5.3 用反饋網(wǎng)絡(luò)作聯(lián)想存儲(chǔ)器
5.4 相關(guān)學(xué)習(xí)算法
5.5 反饋網(wǎng)絡(luò)用于優(yōu)化計(jì)算
第六章神經(jīng)網(wǎng)絡(luò)應(yīng)用于信號(hào)和圖像處理
6.1 LS準(zhǔn)則下的神經(jīng)網(wǎng)絡(luò)自適應(yīng)濾波
6.2 基于神經(jīng)網(wǎng)絡(luò)的譜估計(jì)
6.3 基于神經(jīng)網(wǎng)絡(luò)的高階譜估計(jì)
6.4 細(xì)胞神經(jīng)網(wǎng)絡(luò)用于圖像處理
6.5 腹水脫落癌細(xì)胞的識(shí)別研究
第七章神經(jīng)網(wǎng)絡(luò)用于自動(dòng)控制
7.1 概述
7.2 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
7.3 基于神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測(cè)控制
7.4 基于神經(jīng)網(wǎng)絡(luò)模型的柴油調(diào)合非線性控制和在線優(yōu)化
7.5 基于神經(jīng)網(wǎng)絡(luò)的化工過(guò)程動(dòng)態(tài)監(jiān)控
參考文獻(xiàn)