神經網絡設計

《神經網絡設計》介紹了神經網絡的基本結構和學習規則，重點是對這些神經網絡的數學分析、訓練方法和神經網絡在模式識別、信號處理以及控制系統等工程實踐問題中的應用。《神經網絡設計》盡力用清晰和一致的方式來組織材料，以易於閲讀和使用。對每個討論的主題，使用大量例題來闡明。由於這是一本關於神經網絡設計的書，因此在選擇主題時我們依據了兩個原則：首先，儘量採用最實用的神經網絡結構、學習規則和訓練方法其次，儘量保證該書的完整性，使讀者從一章到下一章的學習感覺流暢。為此，在特定主題前，都會有一些相關的介紹性材料和應用數學基礎的章節。總之，在我們選擇的主題中，某些部分在神經網絡實際應用中極其重要，而另一些部分對解釋神經網絡如何運算十分有用。 ^[1] 

本書主要講述神經網絡的基本概念，介紹實用的網絡模型、學習規則和訓練方法。全書分19章，內容涵蓋神經元模型和網絡結構、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、聯想學習、競爭網絡、Grossberg網絡、自適應諧振理論和Hopfield 網絡。

書中注重對數學分析方法和性能優化的討論，強調神經網絡在模式識別、信號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，並配有基於MATLAB軟件包的“神經網絡設計演示”程序。本書可以作為大學高年級本科生或一年級研究生的神經網絡課程教材，也可供從事相關研究工作的科技人員參考。 ^[1] 

出版者的話

專家委員會

譯者序

前言

第1章 緒論

1.1 目的

1.2 歷史

1.3 應用

1.4 生物學的啓示

參考文獻

第2章 神經元模型和網絡結構

2.1 目的

2.1 理論和實例

2.2.1 符號

2.2.2 神經元模型

2.2.3 網絡結構

2.3 小結

2.4 例題

2.5 結束語

習題

第3章 一個説明性實例

3.1 目的

3.2 理論和實例

3.2.1 問題描述

3.2.2 感知機

3.2.3 Hamming網絡

3.2.4 Hopfield網絡

3.3 結束語

習題

第4章 感知機學習規則

4.1 目的

4.2 理論和實例

4.2.1 學習規則

4.2.2 感知機的結構

4.2.3 感知機學習規則

4.2.4 收斂性證明

4.3 小結

4.4 例題

4.5 結束語

參考文獻

習題

第5章 信號和權值向量空間

5.1 目的

5.2 理論和實例

5.2.1 線性向量空間

5.2.2 線性無關

5.2.3 生成空間

5.2.4 內積

5.2.5 範數

5.2.6 正交性

5.2.7 向量展開式

5.3 小結

5.4 例題

5.5 結束語

參考文獻

習題

第6章 神經網絡中的線性變換

6.1 目的

6.2 理論和實例

6.2.1 線性變換

6.2.2 矩陣表示

6.2.3 基變換

6.2.4 特徵值和特徵向量

6.3 小結

6.4 例題

6.5 結束語

參考文獻

習題

第7章 有監督的Hebb學習

第8章 性能曲面和最優點

第9章 性能優化

第10章 Widrow-Hoff學習算法

第11章 反向傳播

第12章 反向傳播算法的變形

第13章 聯想學習

第14章 競爭網絡

第15章 Grossberg網絡

第16章 自適應諧振理論

第17章 穩定性

第18章 Hopfield網絡

第19章 結束語

附錄A 文獻目錄

附錄B 符號

附錄C 軟件

索引 ^[1]