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。
全新正版前馈神经网络及其应用9787030371744科学出版社
¥ ×1
前言
符号说明
章 绪论
1.1 有监督学习和无监督学习
1.1.1 有监督学习
1.1.2 无监督学习
1.2 神经网络的分类
1.2.1 前馈神经网络
1.2.2 反馈神经网络
1.3 前馈神经网络的模型选择与混合策略
1.3.1 前馈神经网络的模型选择
1.3.2 前馈神经网络的混合策略
参考文献
第2章 有监督学前馈经网络
2.1 多层感知器神经网络
2.1.1 网络结构
2.1.2 学习算法
2.1.3 逼近理论
2.2 径向基函数神经网络
2.2.1 网络结构
2.2.2 学习算法
2.. 逼近理论
. 切比雪夫神经网络
..1 网络结构
..2 学习算法
.. 逼近理论
2.4 支持向量机
2.4.1 网络结构
2.4.2 学习算法
5.2.1 椭球基函数神经网络
5.2.2 椭球基函数神经网络的混合学习策略
5.. 数值实验
5.3 基于互信息的特征加权支持向量机
5.3.1 基于互信息的特征权重估计
2.4.3 逼近理论
参考文献
第3章 无监督学前馈经网络
3.1 自组织映神经网络
3.1.1 网络结构
3.1.2 学习算法
3.1.3 核自组织映神经网络
3.2 神经气网络
3.2.1 学习算法
3.2.2 核神经气网络
3.. 生长型神经气网络
3.3 主成分分析及其改进方法
3.3.1 主成分分析
3.3.2 核主成分分析
3.3.3 二维主成分分析
参考文献
第4章 前馈神经网络的模型选择
4.1 基于设检验的方法
4.1.1 Wald-检验
4.1.2 LM-检验
4.2 基于信息准则的方法
4.2.1 AIC准则和BIC准则
4.2.2 述长度和交叉验
4.3 基于度分析的方法
4.3.1 基于偏导数的度分析方法
4.3.2 基于随机分析的度分析方法
4.4 基于互信息的方法
4.4.1 互信息及其估计
4.4.2 基于互信息的多层感知器两阶段构造方法
参考文献
第5章 单个前馈神经网络
5.1 基于正则化相关熵的径向基函数神经网络学习方法
5.1.1 正则化相关熵准则
5.1.2 数值实验
5.2 椭球基函数神经网络的混合学习方法
5.3.2 特征加权支持向量机
5.3.3 数值实验
参考文献
第6章 混合前馈神经网络
6.1高斯、Sigmoid、切比雪夫混合前馈神经网络
6.1.1 Gauss.Sigmoid神经网络
6.1.2 高斯一切比雪夫神经网络
6.1.3 数值实验
6.2 基于自适应模糊c均值的混合专家模型
6.2.1基于P:BMF.index的模糊c均值聚类算法
6.2.2 结构描述和实现方法
6.. 数值实验
参考文献
第7章 前馈神经网络的应用
7.1 前馈神经网络在人脸识别中的应用
7.2 前馈神经网络在非线时间序列预测中的应用
7.3 前馈神经网络在图像分割中的应用
7.4 前馈神经网络在异常检测中的应用
参考文献
附录 部分前馈神经网络的Matlab源代码
附录1 基本模型
附录2 模型选择
附录3 改进模型
索引
《前馈神经网络及其应用》编著者邢红杰、哈明虎。
《前馈神经网络及其应用》较系统地介绍了前馈神经网络的理论与应用.本书共7章,主要内容包括前馈神经网络的模型选择、单个前馈神经网络、混合前馈神经网络和前馈神经网络的应用. 本书可作为应用数学、计算机科学与技术、信息与通信工程、电气工程、控制科学与技术等专业生、的教材或教学参考书,也可供相关领域的科研人员和工程技术人员阅读参考.
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