网志栈编辑推荐
我认为这是一本非常优秀的书。我很少见到写得如此好的书。书中的论述和实例都十分出色，而其演示程序对读者更具直观性并大大增强了书的内容。
——俄亥俄州立大学Stan Ahalt教授
本书详细地论述了神经网络的基本结构和学习规则。作者在书中特别注重神经网络的数学分析、训练方法及其在模式识别、信号处理和控制系统等实际工程问题中的应用。
本书特点：
广泛地论述性能学习问题，包括Widrow-Hoff规则、反向传播和多种反身传播增强算法。
讨论递归联想存储器网络。
给出详细的实例和许多解出的问题。
用简单构造模块解释联想网络和竞争网络。 ；
内容简介
本书主要讲述神经网络的基本概念，介绍实用的网络模型、学习规则和训练方法。全书分19章，内容涵盖神经元模型和网络结构、感知机学习规则、有监督的Hebb学习、Widrow—Hoff学习算法、反向传播算法及其变形、联想学习、竞争网络、Grossberg网络、自适应谐振理论和Hopfield网络。书中注重对数学分析方法和性能优化的讨论，强调神经网络在模式识别、信号处理以及控制系统等实际工程问题中的应用。同时本书包含大量例题、习题，并配有基于MATLAB软件包的“神经网络设计演示”程序。本书可以作为大学高年级本科生或一年级研究生的神经网络课程教材，也可供从事相关研究工作的科技人员参考。
作者简介
暂无
目录
出版者的话
专家委员会
译者序
前言
第1章 绪论
1.1 目的
1.2 历史
1.3 应用
1.4 生物学的启示
参考文献
第2章 神经元模型和网络结构
2.1 目的
2.1 理论和实例
2.2.1 符号
2.2.2 神经元模型
2.2.3 网络结构
2.3 小结
2.4 例题
2.5 结束语
习题
第3章 一个说明性实例
3.1 目的
3.2 理论和实例
3.2.1 问题描述
3.2.2 感知机
3.2.3 Hamming网络
3.2.4 Hopfield网络
3.3 结束语
习题
第4章 感知机学习规则
4.1 目的
4.2 理论和实例
4.2.1 学习规则
4.2.2 感知机的结构
4.2.3 感知机学习规则
4.2.4 收敛性证明
4.3 小结
4.4 例题
4.5 结束语
参考文献
习题
第5章 信号和权值向量空间
5.1 目的
5.2 理论和实例
5.2.1 线性向量空间
5.2.2 线性无关
5.2.3 生成空间
5.2.4 内积
5.2.5 范数
5.2.6 正交性
5.2.7 向量展开式
5.3 小结
5.4 例题
5.5 结束语
参考文献
习题
第6章 神经网络中的线性变换
6.1 目的
6.2 理论和实例
6.2.1 线性变换
6.2.2 矩阵表示
6.2.3 基变换
6.2.4 特征值和特征向量
6.3 小结
6.4 例题
6.5 结束语
参考文献
习题
第7章 有监督的Hebb学习
第8章 性能曲面和最优点
第9章 性能优化
第10章 Widrow-Hoff学习算法
第11章 反向传播
第12章 反向传播算法的变形
第13章 联想学习
第14章 竞争网络
第15章 Grossberg网络
第16章 自适应谐振理论
第17章 稳定性
第18章 Hopfield网络
第19章 结束语
附录A 文献目录
附录B 符号
附录C 软件
索引
神经网络设计——国外经典教材 pdf下载声明
本pdf资料下载仅供个人学习和研究使用，不能用于商业用途，请在下载后24小时内删除。如果喜欢，请购买正版
