神經網絡設計(原書第2版) | 被動收入的投資秘訣 - 2024年5月
神經網絡設計(原書第2版)
本書是一本易學易懂的神經網絡教材,主要討論網絡結構、學習規則、訓練技巧和工程應用,緊緊圍繞“設計”這一視角組織材料和展開講解,強調基本原理和訓練方法,概念清晰,數學論述嚴謹,包含豐富的實例和練習,並配有課件和MATLAB演示程序。本書要求讀者俱備線性代數、概率論和微分方程的基礎知識,可作為高年級本科生或一年級研究生的神經網絡導論課程教材,也可供有興趣的讀者自學或參考。
馬丁 T.哈根(Martin T.Hagan),俄克拉荷馬州立大學電子與計算機工程學院教授,MATLAB神經網絡工具箱的開發者之一。
霍華德 B.德姆斯(Howard B.Demuth),曾任職於洛斯阿拉莫斯國家實驗室,參與設計了世界上最早的計算機之一MANIAC。
馬克 H.比勒(Mark H.Beala),專注人工智能算法和軟件開發技術的軟件工程師,同時提供相關技術諮詢服務。
奧蘭多·德·赫蘇斯(Orlando De Jesus),資深工程顧問,他的論文為MATLAB工具箱的動態網絡訓練算法奠定了基礎。
譯者序
前言
第1章引言1
1.1目標1
1.2歷史1
1.3應用3
1.4生物學啟示4
1.5擴展閱讀5
第2章神經元模型及網絡結構8
2.1目標8
2.2理論與例子8
2.2.1記號8
2.2.2神經元模型8
2.2.3網絡結構11
2.3小結15
2.4例題17
2.5結束語18
2.6習題18
第3章一個說明性的實例20
3.1目標20
3.2理論與例子20
3.2.1問題描述20
3.2.2感知機21
3.2.3Hamming網絡23
3.2.4Hopfield網絡26
3.3結束語27
3.4習題28
第4章感知機學習規則31
4.1目標31
4.2理論與例子31
4.2.1學習規則31
4.2.2感知機結構32
4.2.3感知機的學習規則35
4.2.4收斂性證明39
4.3小結41
4.4例題42
4.5結束語48
4.6擴展閱讀49
4.7習題49
第5章信號與權值向量空間53
5.1目標53
5.2理論與例子53
5.2.1線性向量空間53
5.2.2線性無關54
5.2.3生成空間55
5.2.4內積56
5.2.5範數56
5.2.6正交性56
5.2.7向量展開式58
5.3小結60
5.4例題61
5.5結束語66
5.6擴展閱讀67
5.7習題67
第6章神經網絡中的線性變換71
6.1目標71
6.2理論與例子71
6.2.1線性變換71
6.2.2矩陣表示72
6.2.3基變換74
6.2.4特徵值與特徵向量76
6.3小結79
6.4例題79
6.5結束語85
6.6擴展閱讀85
6.7習題86
第7章有監督的Hebb學習90
7.1目標90
7.2理論與例子90
7.2.1線性聯想器91
7.2.2Hebb規則91
7.2.3偽逆規則93
7.2.4應用95
7.2.5Hebb學習的變形96
7.3小結97
7.4例題98
7.5結束語105
7.6擴展閱讀105
7.7習題106
第8章性能曲面和最優點108
8.1目標108
8.2理論與例子108
8.2.1泰勒級數108
8.2.2方嚮導數110
8.2.3極小點111
8.2.4優化的必要條件113
8.2.5二次函數114
8.3小結119
8.4例題120
8.5結束語127
8.6擴展閱讀127
8.7習題128
第9章性能優化131
9.1目標131
9.2理論與例子131
9.2.1最速下降法131
9.2.2牛頓法136
9.2.3共軛梯度法139
9.3小結142
9.4例題142
9.5結束語150
9.6擴展閱讀150
9.7習題151
第10章Widrow—Hoff學習153
10.1目標153
10.2理論與例子153
10.2.1ADALINE網絡153
10.2.2均方誤差154
10.2.3LMS算法156
10.2.4收斂性分析157
10.2.5自適應濾波器159
10.3小結164
10.4例題165
10.5結束語174
10.6擴展閱讀174
10.7習題175
第11章反向傳播179
11.1目標179
11.2理論與例子179
11.2.1多層感知機179
11.2.2反向傳播算法182
11.2.3例子186
11.2.4批量訓練和增量訓練188
11.2.5使用反向傳播188
11.3小結192
11.4例題193
11.5結束語201
11.6擴展閱讀201
11.7習題202
第12章反向傳播算法的變形210
12.1目標210
12.2理論與例子210
12.2.1反向傳播算法的缺點210
12.2.2反向傳播算法的啟發式改進215
12.2.3數值優化技術218
12.3小結226
12.4例題228
12.5結束語235
12.6擴展閱讀236
12.7習題237
第13章泛化241
13.1目標241
13.2理論與例子241
13.2.1問題描述242
13.2.2提升泛化能力的方法243
13.3小結257
13.4例題258
13.5結束語265
13.6擴展閱讀265
13.7習題266
第14章動態網絡270
14.1目標270
14.2理論與例子270
14.2.1分層數字動態網絡271
14.2.2動態學習的基本原則273
14.2.3動態反向傳播276
14.3小結288
14.4例題290
14.5結束語296
14.6擴展閱讀296
14.7習題297
第15章競爭網絡302
15.1目標302
15.2理論與例子302
15.2.1Hamming網絡303
15.2.2競爭層304
15.2.3生物學中的競爭層307
15.2.4自組織特徵圖308
15.2.5學習向量量化310
15.3小結314
15.4例題315
15.5結束語322
15.6擴展閱讀322
15.7習題323
第16章徑向基網絡329
16.1目標329
16.2理論與例子329
16.2.1徑向基網絡329
16.2.2訓練RBF網絡333
16.3小結343
16.4例題344
16.5結束語347
16.6擴展閱讀347
16.7習題348
第17章實際訓練問題352
17.1目標352
17.2理論與例子352
17.2.1訓練前的步驟353
17.2.2網絡訓練359
17.2.3訓練結果分析362
17.3結束語368
17.4擴展閱讀368
第18章實例研究1:函數逼近370
18.1目標370
18.2理論與例子370
18.2.1智能傳感系統描述370
18.2.2數據收集與預處理371
18.2.3網絡結構選擇372
18.2.4網絡訓練372
18.2.5驗證373
18.2.6數據集374
18.3結束語375
18.4擴展閱讀375
第19章實例研究2:概率估計376
19.1目標376
19.2理論與例子376
19.2.1CVD過程描述376
19.2.2數據收集與預處理377
19.2.3網絡結構選擇378
19.2.4網絡訓練379
19.2.5驗證381
19.2.6數據集382
19.3結束語382
19.4擴展閱讀383
第20章實例研究3:模式識別384
20.1目標384
20.2理論與例子384
20.2.1心肌梗死識別問題描述384
20.2.2數據收集與預處理384
20.2.3網絡結構選擇387
20.2.4網絡訓練387
20.2.5驗證388
20.2.6數據集389
20.3結束語390
20.4擴展閱讀390
第21章實例研究4:聚類391
21.1目標391
21.2理論與例子391
21.2.1森林覆蓋問題描述391
21.2.2數據收集與預處理392
21.2.3網絡結構選擇392
21.2.4網絡訓練393
21.2.5驗證394
21.2.6數據集396
21.3結束語396
21.4擴展閱讀396
第22章 實例研究5:預測398
22.1目標398
22.2理論與例子398
22.2.1磁懸浮系統描述398
22.2.2數據收集與預處理399
22.2.3網絡結構選擇399
22.2.4網絡訓練401
22.2.5驗證402
22.2.6數據集404
22.3結束語404
22.4擴展閱讀405
附錄A參考文獻406
附錄B記號413
附錄C軟件417
索引420
譯者序Neural Network Design,Second Edition多年前,因要給研究生講授神經網絡這門課,我選擇了本書第1版作為教材。當時神經網絡的書五花八門,要從眾多書中選擇一本合適的教材並非易事。最終選擇這本書的一個重要原因是:本書是難得的數學上比較嚴謹、完整的神經網絡教科書。我們曾用本書為多屆研究生講授神經網絡,許多學生反映該書易學易懂。
本書內容涵蓋了神經網絡領域的許多基礎理論。除了嚴謹的數學論述外,本書另一個重要特點是從神經網絡設計的角度闡述方法,使得學生能夠快速理解神經網絡的本質。書中提供了大量的例題解析、課後練習等。此外,書中還敘述了一些神經網絡的相關歷史,讀來有趣。
感謝機械工業出版社邀請我們翻譯本書第2版。和第1版相比,第2版增加了不少新的內容。同時,第1版優秀的中譯本也為我們翻譯第2版提供了非常有價值的參考。在此,我們要向第1版的譯者致以深深的感謝!
參加本書翻譯的人員有四川大學章毅、陳媛媛、賀喆南、郭際香、於佳麗、彭璽、陳盈科、張海仙、羅川、呂建成、張蕾、彭德中、桑永勝、陳杰、屈鴻、毛華,以及實驗室許多在讀博士生如高振濤、戚曉峰等。本書內容較多,翻譯時間倉促,難免有不足之處,懇請讀者批評指正!
譯者2017年12月於成都