返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 神经网络设计 (美)马丁 T.哈根(Martin T.Hagan) 等 著;章毅 等 译 大中专 文轩网
  • 新华书店正版
    • 作者: (美)马丁 T.哈根(Martin T.Hagan) 等 著;章毅 等 译著
    • 出版社: 机械工业出版社
    • 出版时间:2018-01-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (美)马丁 T.哈根(Martin T.Hagan) 等 著;章毅 等 译著
    • 出版社:机械工业出版社
    • 出版时间:2018-01-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2018-01-01
    • 页数:426
    • 开本:16开
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    神经网络设计

    作  者:(美)马丁 T.哈根(Martin T.Hagan) 等 著;章毅 等 译
    定  价:99
    出 版 社:机械工业出版社
    出版日期:2018年01月01日
    页  数:426
    装  帧:平装
    ISBN:9787111586746
    主编推荐

    内容简介

    本书是一本易学易懂的神经网络教材,主要讨论网络结构、学习规则、训练技巧和工程应用,紧紧围绕“设计”这一视角组织材料和展开讲解,强调基本原理和训练方法,概念清晰,数学论述严谨,包含丰富的实例和练习,并配有课件和MATLAB演示程序。本书要求读者具备线性代数、概率论和微分方程的基础知识,可作为高年级本科生或一年级研究生的神经网络导论课程教材,也可供有兴趣的读者自学或参考。

    作者简介

    马丁T.哈根,俄克拉荷马州立大学电子与计算机工程学院教授,MATLAB神经网络工具箱的开发者之一。

    精彩内容

    目录
    译者序
    前言
    第1章引言1
    1.1目标1
    1.2历史1
    1.3应用3
    1.4生物学启示4
    1.5扩展阅读5
    第2章神经元模型及网络结构8
    2.1目标8
    2.2理论与例子8
    2.2.1记号8
    2.2.2神经元模型8
    2.2.3网络结构11
    2.3小结15
    2.4例题17
    2.5结束语18
    2.6习题18
    第3章一个说明性的实例20
    3.1目标20
    3.2理论与例子20
    3.2.1问题描述20
    3.2.2感知机21
    3.2.3Hamming网络23
    3.2.4Hopfield网络26
    3.3结束语27
    3.4习题28
    第4章感知机学习规则31
    4.1目标31
    4.2理论与例子31
    4.2.1学习规则31
    4.2.2感知机结构32
    4.2.3感知机的学习规则35
    4.2.4收敛性证明39
    4.3小结41
    4.4例题42
    4.5结束语48
    4.6扩展阅读49
    4.7习题49
    第5章信号与权值向量空间53
    5.1目标53
    5.2理论与例子53
    5.2.1线性向量空间53
    5.2.2线性无关54
    5.2.3生成空间55
    5.2.4内积56
    5.2.5范数56
    5.2.6正交性56
    5.2.7向量展开式58
    5.3小结60
    5.4例题61
    5.5结束语66
    5.6扩展阅读67
    5.7习题67
    第6章神经网络中的线性变换71
    6.1目标71
    6.2理论与例子71
    6.2.1线性变换71
    6.2.2矩阵表示72
    6.2.3基变换74
    6.2.4特征值与特征向量76
    6.3小结79
    6.4例题79
    6.5结束语85
    6.6扩展阅读85
    6.7习题86
    第7章有监督的Hebb学习90
    7.1目标90
    7.2理论与例子90
    7.2.1线性联想器91
    7.2.2Hebb规则91
    7.2.3伪逆规则93
    7.2.4应用95
    7.2.5Hebb学习的变形96
    7.3小结97
    7.4例题98
    7.5结束语105
    7.6扩展阅读105
    7.7习题106
    第8章性能曲面和很优点108
    8.1目标108
    8.2理论与例子108
    8.2.1泰勒级数108
    8.2.2方向导数110
    8.2.3极小点111
    8.2.4优化的必要条件113
    8.2.5二次函数114
    8.3小结119
    8.4例题120
    8.5结束语127
    8.6扩展阅读127
    8.7习题128
    第9章性能优化131
    9.1目标131
    9.2理论与例子131
    9.2.1最速下降法131
    9.2.2牛顿法136
    9.2.3共轭梯度法139
    9.3小结142
    9.4例题142
    9.5结束语150
    9.6扩展阅读150
    9.7习题151
    第10章Widrow-Hoff学习153
    10.1目标153
    10.2理论与例子153
    10.2.1ADALINE网络153
    10.2.2均方误差154
    10.2.3LMS算法156
    10.2.4收敛性分析157
    10.2.5自适应滤波器159
    10.3小结164
    10.4例题165
    10.5结束语174
    10.6扩展阅读174
    10.7习题175
    第11章反向传播179
    11.1目标179
    11.2理论与例子179
    11.2.1多层感知机179
    11.2.2反向传播算法182
    11.2.3例子186
    11.2.4批量训练和增量训练188
    11.2.5使用反向传播188
    11.3小结192
    11.4例题193
    11.5结束语201
    11.6扩展阅读201
    11.7习题202
    第12章反向传播算法的变形210
    12.1目标210
    12.2理论与例子210
    12.2.1反向传播算法的缺点210
    12.2.2反向传播算法的启发式改进215
    12.2.3数值优化技术218
    12.3小结226
    12.4例题228
    12.5结束语235
    12.6扩展阅读236
    12.7习题237
    第13章泛化241
    13.1目标241
    13.2理论与例子241
    13.2.1问题描述242
    13.2.2提升泛化能力的方法243
    13.3小结257
    13.4例题258
    13.5结束语265
    13.6扩展阅读265
    13.7习题266
    第14章动态网络270
    14.1目标270
    14.2理论与例子270
    14.2.1分层数字动态网络271
    14.2.2动态学习的基本原则273
    14.2.3动态反向传播276
    14.3小结288
    14.4例题290
    14.5结束语296
    14.6扩展阅读296
    14.7习题297
    第15章竞争网络302
    15.1目标302
    15.2理论与例子302
    15.2.1Hamming网络303
    15.2.2竞争层304
    15.2.3生物学中的竞争层307
    15.2.4自组织特征图308
    15.2.5学习向量量化310
    15.3小结314
    15.4例题315
    15.5结束语322
    15.6扩展阅读322
    15.7习题323
    第16章径向基网络329
    16.1目标329
    16.2理论与例子329
    16.2.1径向基网络329
    16.2.2训练RBF网络333
    16.3小结343
    16.4例题344
    16.5结束语347
    16.6扩展阅读347
    16.7习题348
    第17章实际训练问题352
    17.1目标352
    17.2理论与例子352
    17.2.1训练前的步骤353
    17.2.2网络训练359
    17.2.3训练结果分析362
    17.3结束语368
    17.4扩展阅读368
    第18章实例研究1:函数逼近370
    18.1目标370
    18.2理论与例子370
    18.2.1智能传感系统描述370
    18.2.2数据收集与预处理371
    18.2.3网络结构选择372
    18.2.4网络训练372
    18.2.5验证373
    18.2.6数据集374
    18.3结束语375
    18.4扩展阅读375
    第19章实例研究2:概率估计376
    19.1目标376
    19.2理论与例子376
    19.2.1CVD过程描述376
    19.2.2数据收集与预处理377
    19.2.3网络结构选择378
    19.2.4网络训练379
    19.2.5验证381
    19.2.6数据集382
    19.3结束语382
    19.4扩展阅读383
    第20章实例研究3:模式识别384
    20.1目标384
    20.2理论与例子384
    20.2.1心肌梗死识别问题描述384
    20.2.2数据收集与预处理384
    20.2.3网络结构选择387
    20.2.4网络训练387
    20.2.5验证388
    20.2.6数据集389
    20.3结束语390
    20.4扩展阅读390
    第21章实例研究4:聚类391
    21.1目标391
    21.2理论与例子391
    21.2.1森林覆盖问题描述391
    21.2.2数据收集与预处理392
    21.2.3网络结构选择392
    21.2.4网络训练393
    21.2.5验证394
    21.2.6数据集396
    21.3结束语396
    21.4扩展阅读396
    第22章实例研究5:预测398
    22.1目标398
    22.2理论与例子398
    22.2.1磁悬浮系统描述398
    22.2.2数据收集与预处理399
    22.2.3网络结构选择399
    22.2.4网络训练401
    22.2.5验证402
    22.2.6数据集404
    22.3结束语404
    22.4扩展阅读405
    附录A参考文献406
    附录B记号413
    附录C软件417
    索引420

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购