人工神經(jīng)網(wǎng)絡(luò)與盲信號處理

定　價：￥39.00

作　者：	楊行峻鄭君里
出版社：	清華大學(xué)出版社
叢編項：
標　簽：	通信網(wǎng)

購買這本書可以去

當當網(wǎng) (￥31.20)

ISBN：	9787302058809	出版時間：	2003-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	397	字數(shù)：

內(nèi)容簡介

　　21世紀科技界面臨的重大挑戰(zhàn)之一是在不斷擴大的廣度和深度上用計算機來替代并且更好地完成人的各種智能工作。以人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯與進化計算為核心的計算智能學(xué)正是為完成這一使命而構(gòu)建的新學(xué)科之一。本書以人工神經(jīng)網(wǎng)絡(luò)為重點，其中包含多層前向神經(jīng)網(wǎng)絡(luò)、Hopfield神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)以及一個新的重要發(fā)展方向：：盲信號處理；還包括模糊神經(jīng)網(wǎng)絡(luò)和遺傳算法及其在人工神經(jīng)網(wǎng)絡(luò)中的應(yīng)用等交叉學(xué)科內(nèi)容。書中除了給出本學(xué)科主要的理論基礎(chǔ)外還廣泛介紹了這一領(lǐng)域最新研究方向、研究方法和成果、大量應(yīng)用實例以及參考文獻。本書除了供大學(xué)研究生作為教材使用外，還可作為科技、經(jīng)濟、軍事、生物和醫(yī)學(xué)等各界人員從事研究和完成各項實際工作時自學(xué)和參考用書。

作者簡介

暫缺《人工神經(jīng)網(wǎng)絡(luò)與盲信號處理》作者簡介

圖書目錄

第1章  緒論
1. 1  人腦與人的智能. 人工神經(jīng)網(wǎng)絡(luò)與智能機器. 人工智能與計算智能
1. 2  ANN的主要模型與研究途徑
1. 3  ANN的學(xué)習(xí)
1. 4  ANN的應(yīng)用
1. 5  脈沖耦合神經(jīng)網(wǎng)絡(luò)和腦成像技術(shù)
1. 6  ANN與盲信號處理
1. 7  本書的組織
參考文獻

第2章  前向多層神經(jīng)網(wǎng)絡(luò)與遞歸神經(jīng)網(wǎng)絡(luò)
2. 1  概述
2. 2  線性函數(shù)MLP
2. 3  硬限幅函數(shù)MLP
2. 4  用Sigmoid函數(shù)和線性函數(shù)的MLP
2. 5  BP算法的主要問題及其改進
2. 6  RBF網(wǎng)絡(luò)
2. 7  小波神經(jīng)網(wǎng)絡(luò)
2. 8  MLFN的前端信號處理
2. 9  MLFN的函數(shù)逼近能力
2. 10  MLFN推廣能力的統(tǒng)計學(xué)習(xí)理論
2. 11  提高MLFN推廣能力的實用方法
2. 12  MLFN作為后驗概率估值器
2. 13  遞歸神經(jīng)網(wǎng)絡(luò)
2. 14  MLFN應(yīng)用舉例之一--在非線性動力系統(tǒng)中的應(yīng)用
2. 15  MLFN應(yīng)用舉例之二--手寫數(shù)字識別
2. 16  MLFN應(yīng)用舉例之三--語音識別
參考文獻

第3章  自組織神經(jīng)網(wǎng)絡(luò)--SOM和ART
3. 1  概述
3. 2  SOM的結(jié)構(gòu)和自組織學(xué)習(xí)算法
3. 3  SOM自組織學(xué)習(xí)算法中的參數(shù)自適應(yīng)
3. 4  學(xué)習(xí)向量量化--LVQ和LVQ2
3. 5  SOM的應(yīng)用舉例
3. 6  ART的基本原理和算法買現(xiàn)框架
3. 7  ART的各種變型及其比較
3. 8  ART應(yīng)用舉例--在化學(xué)工業(yè)中的應(yīng)用
參考文獻

第4章  Hopfield神經(jīng)網(wǎng)絡(luò)
4. 1  概述
4. 2  HM及其在TSP中的應(yīng)用
4. 3  采用約束平面及HC的EHM
4. 4  采用罰函數(shù)的EHM
4. 5  離散時間HNN與自聯(lián)想記憶
4. 6  雙向聯(lián)想記憶及其他聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)
參考文獻

第5章  模糊神經(jīng)網(wǎng)絡(luò)
5. 1  概述
5. 2  FNN的結(jié)構(gòu)和類型
5. 3  實現(xiàn)函數(shù)映射的FNN
5. 4  基于Fuzzy ART的FNN和Simpson網(wǎng)絡(luò)
5. 5  實現(xiàn)聚類的FNN
5. 6  FNN在非線性動力系統(tǒng)辨識與控制中的應(yīng)用
5. 7  FNN用于時間序列預(yù)測及其在金融和財務(wù)等領(lǐng)域中的應(yīng)用
參考文獻

第6章  遺傳算法及其在人工神經(jīng)網(wǎng)絡(luò)中的應(yīng)用
6. 1  概述
6. 2  基本的遺傳算法
6. 3  模式定理
6. 4  遺傳算法的收斂性能
6. 5  遺傳算法面臨的問題及改進算法
6. 6  遺傳算法與人工神經(jīng)網(wǎng)絡(luò)的結(jié)合
參考文獻

第7章  盲信號處理
7. 1  概述
7. 2  源信號pdf描述. 等價可分性. 二階和高階相關(guān)的去除
7. 3  ICA的目標函數(shù)
7. 4  ICA的學(xué)習(xí)算法
7. 5  ICA解的穩(wěn)定性
7. 6  用ICA實現(xiàn)源分離時解的精確度
7. 7  ICA算法中信號源pdf的確定
7. 8  盲信號抽取
7. 9  盲解卷與盲均衡
7. 10  DCA算法
7. 11  IFA算法
7. 12  ICA和IFA的實際應(yīng)用和待解決問題
參考文獻
縮略語