前馈神经网络工作机理分析与学习算法pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

前馈神经网络工作机理分析与学习算法PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章　概述 1

第一节　神经网络的产生与发展 1

一、神经网络的产生 1

二、神经网络的发展历史 3

第二节　神经网络研究内容 9

一、神经网络的研究内容 9

二、神经网络目前的研究热点和未来发展 12

一、本项研究的目的和意义 15

第三节　本项研究的目的、意义和主要内容 15

二、本项研究的主要内容 17

第四节　本书的组织安排 19

第二章　前馈神经网络的工作机理分析 20

第一节　引言 20

第二节　高维空间几何理论基础 26

一、基本概念 26

二、常用定理 30

一、神经元的几何意义 32

第三节　神经网络的几何解释 32

二、神经网络的高维空间几何意义 35

第四节　分类决策树与前馈网络的等价性 38

一、决策树 39

二、决策树的插值表示 43

三、前馈网络与决策树的等价性 47

第五节　分类前馈网络的决策树分析 54

一、前馈网络物理意义的决策树分析 54

二、神经网络学习和工作过程中常见问题的分析 60

第六节　小结 71

第三章　神经网络结构设计的信息论方法 73

第一节　神经网络结构设计 73

一、探索法 74

二、动态修改网络法 74

三、与符号系统相结合的结构设计方法 76

第二节　神经网络结构中的信息最大化 77

一、信息与熵 77

二、条件熵与互信息 80

三、神经网络中的信息理论 81

四、基于信息最大化的网络修剪 84

第三节　离散数据属性分类问题的神经网络结构设计 89

一、前馈网络与决策树 89

二、熵网络 92

三、基于决策树的神经网络构造方法DTBNN 94

四、实验分析与结论 98

一、简介 103

第四节　基于熵准则的神经网络构造方法 103

二、神经元选择的“熵”准则 106

三、基于熵准则的神经网络构造过程 110

四、多类问题的扩展 112

五、EBNN算法的主要性质 115

六、实验及结果分析 118

第五节　小结 122

第四章　基于集成系统的前馈网络增量学习 124

第一节　增量学习算法简介 124

一、增量学习的定义 125

二、神经网络增量学习 128

第二节　基于集成的增量学习 131

一、神经网络集成 131

二、AdaBoost的渐进学习能力 133

三、LEARN＋＋增量学习算法 135

四、EBILNN增量学习 138

第三节　实验分析 145

一、人工实验数据的增量学习结果分析 145

二、Glass分类数据的增量学习性能 148

第四节　小结 151

第五章　研究工作总结与展望 153

第一节　研究工作的总结 153

一、前馈网络的工作机理分析 153

二、神经网络结构设计的信息论方法 154

三、基于集成系统的神经网络增量学习 155

第二节　神经网络技术的前景和进一步的研究工作 156

参考文献 159