由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版新书]神经网络入门与实战于洋杨巨成陈亚瑞赵婷婷吴超孙迪侯
¥ ×1
章 概述
1.1 人工神经网络简介
1.1.1 人工神经网络的基本概念
1.1.2 人工神经网络的发展史
1.1.3 神经网络的研究内容
1.2 神经网络的特点
1.3 神经网络的结构
1.4 人工神经网络的分类
1.5 人工神经网络的学方
1.6 人工神经网络的应用
1.6.1 人工神经网络在全球气候变化中的应用
1.6.2 人工神经网络在控制系统中的应用
1.6.3 人工神经网络在疾病预后研究中的应用
第2章 感知器
2.1 感知器元件
2.1.1 神经元
2.1.2 神经元参数
2.1.3 组合功能
2.1.4 激活功能
2.1.5 输出功能
2.1.6 结论
2.2 感知器模型
2.2.1 超平面的定义
2.2.2 数据集的线可分
. 感知器学习算法
..1 感知器学习算法的原始形式
..2 感知器学习算法的对偶形式
2.4 感知器的收敛
2.5 感知器应用举例
2.5.1 问题描述
2.5.2 添加权重和阈值
2.5.3 建立决策模型
2.5.4 向量化
2.5.5 神经网络的运作过程
2.6 感知器的局限
2.6.1 感知器能做什么
2.6.2 感知器不能做什么
第3章 BP神经网络
3.1 前向传播
3.2 反向传播
第4章 支持向量机
4.1 问题提出
4.2 SVM问题
4.2.1 支持向量与样本间隔
4.2.2 支持向量机形式化描述
4.3 对偶问题
4.3.1 SVM问题的对偶问题
4.3.2 对偶问题再讨论
4.3.3 对偶问题求解
4.4 核函数
4.4.1 如何处理非线可分数据
4.4.2 核函数的提出
4.4.3 几种常见的核函数
4.5 软间隔与正则化
4.5.1 如何处理噪声数据
4.5.2 软间隔支持向量机
4.5.3 软间隔支持向量机对偶问题
4.5.4 正则化
第5章 深度学习
5.1 深度神经网络概述
5.2 深度卷积神经网络
5.2.1 卷积算子
5.2.2 卷积的特征
5.3 深度卷积神经网络的典型结构
5.3.1 基本网络结构
5.3.2 网络结构模式
5.4 深度卷积神经网络的层
5.4.1 卷积层
5.4.2 池化层
5.4.3 激活层
5.5 深度卷积神经网络在图像识别中的应用
第6章 强化学习
6.1 强化学习概述
6.2 强化学习问题建模——马尔可夫决策过程
6.3 强化学习算法简介
6.3.1 基于值函数的策略学习方法
6.3.2 策略搜索算法
6.4 深度强化学习
6.5 小结
第7章 极限学习
7.1 极限学习概述
7.2 极限学习算法
7.3 极限学习的改进
7.3.1 核极限学习
7.3.2 增量型极限学习
7.3.3 深度极限学习
7.4 极限学习的应用
7.4.1 极限学习在图像分类中的应用
7.4.2 极限学习在入侵检测中的应用
7.4.3 极限学习在故障识别中的应用
7.5 小结
第8章 TensorFlow机器学台
8.1 TensorFlow起源
8.2 TensorFlow简介
8.3 TensorFlow的特征
8.4 TensorFlow使用对象、环境及兼容
8.5 TensorFlow的模块
8.6 安全
第9章 神经网络的应用
9.1 基于神经网络的图像处理
9.2 基于神经网络的信号处理
9.3 基于神经网络的模式识别
9.4 基于神经网络的机器控制
参考文献
张立毅,男,生于1963年2月,1985年于太原工业大学(现太原理工大学)获工学士学,2003年于北京理工大学获工学博士,2008年天津大学通信与信息系统博士后流动站出站。现任天津商业大学部主任兼学科建设办公室主任、教授,天津大学信息与通信工程一级学科博士导师。先后兼任全国微波毫米波测试专业学会副主任,中国学会电路与系统分会委员,山西省通信学会常务理事,山西省通信学会学术委员会副主任,天津市通信学会高校工作委员会理事,中国学会会员,中国通信学会会员。研究方向为信号检测与处理,智能计算与信息处理。指导硕士86名,博士8名,博士后4名。200年被为天津市教师,2011年被评为天津市劳动模范。先后完成鉴定自然科学、中国博士后、863子课题等项目20余项,在外学术期刊及会议上发表200余篇,其中被EI等收录100余篇次。
本教材将原有的面向硕士和博士的课程内容,通过老师们的详细解读,适用于生的课堂教学。因此,从理论环节到应用案例,都要亲自体验和根据生数学基础进行调整和详细解读,才能让学生接受有深度难度的专业课程。本书注重对数学分析方法和能优化的讨论,强调神经网络在模式识别、信号处理和控制 系统等实际工程问题中的应用。书中包含大量例题和习题,并配有13个基于MATLAB软件的计算机实验程序。本书适于作或大学高年级学生的教材,也可作希望深入学经网络的科技人员的参考书。
本书共分8章,系统地介绍了神经网络盲均衡算法的基本理论及算法形式。首先分析了盲均衡算法的基本原理、均衡准则、评价指标以及与神经网络的结合机理。其次,系统研究了前馈神经网络、反馈神经网络、进化神经网络、模糊神经网络和小波神经网络盲均衡算法的基本原理,推导了算法迭代公式,并进行了计算机。*后采用zigzag编码和前馈神经网络实现了二维医学图像的盲均衡。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格