神经网络原理(s.haykin)

《神经网络原理(s.haykin)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、[GeneralInformation]书名=神经网络原理作者=页数=633SS号=0出版日期=封面页书名页版权页前言页目录页第1章导言1.1什么是神经网络1.2人脑1.3神经元模型1.4看作有向图的神经网络1.5反馈1.6网络结构1.7知识表示1.8人工智能和神经网络1.9历史注释注释和参考文献习题第2章学习过程2.1简介2.2误差修正学习2.3基于记忆的学习2.4Hebb学习2.5竞争学习2.6Boltzmann学习2.7信任赋值问题2.8有教师学习2.9无教师学习2.10学习任务2.11记忆2.12自适应2.13学习过程的统计性质2.14统计学习理论2.15可能近似正

2、确的学习模型2.16小结和讨论注释和参考文献习题第3章单层感知器3.1简介3.2自适应滤波问题3.3无约束最优化技术3.4线性最小二乘滤波器3.5最小均方算法3.6学习曲线3.7学习率退火进度3.8感知器3.9感知器收敛定理3.10Gauss环境下感知器与Bayes分类器的关系3.11小结和讨论注释和参考文献习题第4章多层感知器4.1简介4.2预备知识4.3反向传播算法4.4反向传播算法小结4.5异或问题4.6改善反向传播算法性能的试探法4.7输出表示和决策规则4.8计算机实验4.9特征检测4.10反向传播和微分4.11Hessian矩阵4.12泛化4.13函数逼近4.14

3、交叉确认4.15网络修剪技术4.16反向传播学习的优点和局限4.17反向传播学习的加速收敛4.18作为最优化问题看待的有监督学习4.19卷积网络4.20小结和讨论注释和参考文献习题第5章径向基函数网络5.1简介5.2模式可分性的Cover定理5.3插值问题5.4作为不适定超曲面重建问题的监督学习5.5正则化理论5.6正则化网络5.7广义径向基函数网络5.8XOR问题(再讨论)5.9正则化参数估计5.10RBF网络的逼近性质5.11RBF网络与多层感知器的比较5.12核回归及其与RBF网络的关系5.13学习策略5.14计算机实验：模式分类5.15小结和讨论注释和参考文献习题第

4、6章支持向量机6.1简介6.2线性可分模式的最优超平面6.3不可分模式的最优超平面6.4怎样建立用于模式识别的支持向量机6.5例子：XOR问题(再讨论)6.6计算机实验6.7ε-不敏感损失函数6.8用于非线性回归的支持向量机6.9小结和讨论注释和参考文献习题第7章委员会机器7.1简介7.2总体平均7.3计算机实验Ⅰ7.4推举7.5计算机实验Ⅱ7.6联想Gauss混合模型7.7分层混合专家模型7.8使用标准决策树的模型选择7.9先验和后验概率7.10最大似然估计7.11HME模型的学习策略7.12EM算法7.13EM算法在HME模型中的应用7.14小结和讨论注释和参考文献习题

5、第8章主分量分析8.1简介8.2自组织的一些直观原则8.3主分量分析8.4基于Hebb的最大特征滤波器8.5基于Hebb的主分量分析8.6计算机实验：图像编码8.7使用侧向抑制的自适应主分量分析8.8两类PCA算法8.9计算的集中式方法和自适应方法8.10核主分量分析8.11小结和讨论注释和参考文献习题第9章自组织映射9.1简介9.2两个基本的特征映射模型9.3自组织映射9.4SOM算法小结9.5特征映射的性质9.6计算机仿真9.7学习向量量化9.8计算机实验：自适应模式分类9.9分层向量量化9.10上下文映射9.11小结和讨论注释和参考文献习题第10章信息论模型10.1简

6、介10.2熵10.3最大熵原则10.4互信息10.5Kullback-Leibler散度10.6互信息作为最优化的目标函数10.7最大互信息原则10.8最大互信息和冗余减少10.9空间相干特征10.10空间非相干特征10.11独立分量分析10.12计算机实验10.13最大似然估计10.14最大熵方法10.15小结和讨论注释和参考文献习题第11章植根于统计力学的随机机器和它们的逼近11.1简介11.2统计力学11.3Markov链11.4Metropolis算法11.5模拟退火11.6Gibbs抽样11.7Boltzmann机11.8signoid信度网络11.9Helmho

7、ltz机11.10平均场理论11.11确定性的Boltzmann机11.12确定性的sigmoid信度网络11.13确定性退火11.14小结和讨论注释和参考文献习题第12章神经动态规划12.1简介12.2Markov决策过程12.3Bellman最优准则12.4策略迭代12.5值迭代12.6神经动态规划12.7逼近策略迭代12.8Q-学习12.9计算机实验12.10小结和讨论注释和参考文献习题第13章使用前馈网络的时序处理13.1简介13.2短期记忆结构13.3用于时序处理的网络体系结构13.4集中式时滞前馈网络1