神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)：基于MATLAB的仿真與實現(xiàn)

定　價：￥89.00

作　者：	姚舜才，李大威編
出版社：	清華大學(xué)出版社
叢編項：	人工智能科學(xué)與技術(shù)叢書
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787302591085	出版時間：	2022-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	379	字?jǐn)?shù)：

內(nèi)容簡介

　　本書系統(tǒng)論述了神經(jīng)網(wǎng)絡(luò)及深度學(xué)習(xí)的基本原理、算法設(shè)計及應(yīng)用實例。全書分三部分，共14章，分別介紹了神經(jīng)網(wǎng)絡(luò)的基本概念、神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)、深度學(xué)習(xí)的基本原理、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，以及神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的計算機(jī)仿真技術(shù)。此外，本書還介紹了MATLAB中的人工智能工具箱在神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)中的應(yīng)用，給出了豐富的實例，并配套提供了完整的程序代碼，便于讀者動手實踐。本書可作為高等院校人工智能、計算機(jī)、電子信息等專業(yè)的本科生、研究生及從事人工智能學(xué)習(xí)及研究的專業(yè)人員的參考書。

作者簡介

　　姚舜才，中北大學(xué)副教授，碩士生導(dǎo)師，美國密歇根科技大學(xué)訪問學(xué)者。目前主要研究神經(jīng)網(wǎng)絡(luò)及深度學(xué)習(xí)在系統(tǒng)數(shù)據(jù)建模中的應(yīng)用。多次獲得山西省中青年教師教學(xué)基本功競賽獎勵，并被評為山西省普通高校師德師風(fēng)建設(shè)先進(jìn)個人；多次獲得山西省高等學(xué)?？萍歼M(jìn)步獎；發(fā)表50余篇學(xué)術(shù)及教學(xué)論文，其中E|收錄10篇；作為負(fù)責(zé)人及主要完成人承擔(dān)多項國家和山西省自然科學(xué)基金以及國際合作基金項目；出版教材3部，申請專利3項。

圖書目錄

第一部分神經(jīng)網(wǎng)絡(luò)基礎(chǔ)及MATLAB
緒論
第1章神經(jīng)網(wǎng)絡(luò)概述
第2章 MATLAB基本知識及神經(jīng)網(wǎng)絡(luò)工具箱簡介
2.1 MATLAB基本知識
2.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱
2.2.1 基于代碼的MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的應(yīng)用
2.2.2 基于圖形界面的MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的應(yīng)用
2.2.3 MATLAB/Simulink中神經(jīng)網(wǎng)絡(luò)相關(guān)模塊的應(yīng)用
2.2.4 MATLAB菜單欄中神經(jīng)網(wǎng)絡(luò)相關(guān)模塊的應(yīng)用
第二部分經(jīng)典神經(jīng)網(wǎng)絡(luò)
第3章感知機(jī)
3.1 感知機(jī)的基本結(jié)構(gòu)與算法基礎(chǔ)
3.1.1 單層感知機(jī)的基本結(jié)構(gòu)
3.1.2 多層感知機(jī)的基本結(jié)構(gòu)與算法基礎(chǔ)
3.2 感知機(jī)的MATLAB實現(xiàn)
3.2.1 單層感知機(jī)的MATLAB仿真實現(xiàn)
3.2.2 多層感知機(jī)的MATLAB仿真實現(xiàn)
第4章線性神經(jīng)網(wǎng)絡(luò)
4.1 線性神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
4.1.1 線性神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)及學(xué)習(xí)算法
4.1.2 最小均方差算法中關(guān)于學(xué)習(xí)率η的討論
4.1.3 線性神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
4.2 線性神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
4.2.1 線性神經(jīng)網(wǎng)絡(luò)在分類問題中的應(yīng)用
4.2.2 線性神經(jīng)網(wǎng)絡(luò)在擬合（回歸）問題中的應(yīng)用
4.2.3 線性神經(jīng)網(wǎng)絡(luò)在信號處理中的應(yīng)用
4.3 關(guān)于線性神經(jīng)網(wǎng)絡(luò)的幾點討論
第5章 BP神經(jīng)網(wǎng)絡(luò)
5.1 BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
5.1.1 BP神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)及學(xué)習(xí)算法
5.1.2 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建
5.1.3 BP神經(jīng)網(wǎng)絡(luò)算法問題的改進(jìn)討論
5.2 BP神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
5.2.1 BP神經(jīng)網(wǎng)絡(luò)在分類問題中的應(yīng)用
5.2.2 BP神經(jīng)網(wǎng)絡(luò)在擬合（回歸）問題中的應(yīng)用
5.2.3 BP神經(jīng)網(wǎng)絡(luò)在信號處理中的應(yīng)用
5.3 關(guān)于BP神經(jīng)網(wǎng)絡(luò)的幾點討論
第6章徑向基神經(jīng)網(wǎng)絡(luò)
6.1 徑向基神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
6.1.1 徑向基神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)及學(xué)習(xí)算法
6.1.2 徑向基神經(jīng)網(wǎng)絡(luò)在擬合問題中的應(yīng)用分析
6.1.3 徑向基神經(jīng)網(wǎng)絡(luò)在分類問題中的應(yīng)用分析
6.2 徑向基神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
6.2.1 徑向基神經(jīng)網(wǎng)絡(luò)在擬合（回歸）問題中的應(yīng)用
6.2.2 徑向基神經(jīng)網(wǎng)絡(luò)在分類問題中的應(yīng)用
6.2.3 徑向基神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測中的應(yīng)用
6.3 關(guān)于徑向基神經(jīng)網(wǎng)絡(luò)的幾點討論
第7章 Hopfield神經(jīng)網(wǎng)絡(luò)
7.1 Hopfield神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
7.1.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)
7.1.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)
7.1.3 Hopfield神經(jīng)網(wǎng)絡(luò)的幾個問題
7.2 Hopfield神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
7.3 關(guān)于Hopfield神經(jīng)網(wǎng)絡(luò)的幾點討論
第8章 SOM神經(jīng)網(wǎng)絡(luò)
8.1 SOM神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
8.1.1 SOM神經(jīng)網(wǎng)絡(luò)的運(yùn)行原理
8.1.2 SOM神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)及學(xué)習(xí)算法
8.1.3 SOM神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
8.1.4 SOM神經(jīng)網(wǎng)絡(luò)的設(shè)計
8.2 SOM神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
8.2.1 二維SOM神經(jīng)網(wǎng)絡(luò)識別分類
8.2.2 SOM神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用
8.2.3 SOM神經(jīng)網(wǎng)絡(luò)的工具箱實現(xiàn)
8.3 關(guān)于SOM神經(jīng)網(wǎng)絡(luò)的幾點討論
第9章概率神經(jīng)網(wǎng)絡(luò)
9.1 概率神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
9.1.1 概率神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)
9.1.2 概率神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)模型
9.1.3 概率神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
9.1.4 概率神經(jīng)網(wǎng)絡(luò)模式分類學(xué)習(xí)算法
9.2 概率神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
9.2.1 基于PNN的鳶尾花分類
9.2.2 變壓器故障診斷
9.2.3 概率神經(jīng)網(wǎng)絡(luò)的工具箱實現(xiàn)
9.2.4 PNN中參數(shù)spread對分類的影響
第三部分深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
第10章深度信念網(wǎng)絡(luò)
10.1 玻耳茲曼機(jī)基本結(jié)構(gòu)及學(xué)習(xí)
10.1.1 玻耳茲曼機(jī)的基本結(jié)構(gòu)
10.1.2 玻耳茲曼機(jī)的訓(xùn)練方法
10.2 深度信念網(wǎng)絡(luò)的基本結(jié)構(gòu)
10.3 深度信念網(wǎng)絡(luò)的MATLAB實現(xiàn)
10.3.1 數(shù)據(jù)集
10.3.2 DeeBNet工具箱實現(xiàn)
10.3.3 MATLAB 2019深度學(xué)習(xí)工具箱的實現(xiàn)案例
第1l章自編碼器
11.1 自編碼器的基本結(jié)構(gòu)與算法基礎(chǔ)
11.1.1 自編碼器的基本結(jié)構(gòu)
11.1.2 自編碼器的學(xué)習(xí)算法
11.2 自編碼器的MATLAB實現(xiàn)
11.2.1 堆棧自編碼器的實現(xiàn)案例1
11.2.2 降噪堆棧自編碼的實現(xiàn)
11.2.3 堆棧自編碼器的實現(xiàn)案例2
第12章卷積神經(jīng)網(wǎng)絡(luò)
12.1 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
12.1.1 卷積神經(jīng)網(wǎng)絡(luò)的特點
12.1.2 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
12.1.3 常見的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
12.2 卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)
12.2.1 卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)1
12.2.2 卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)2
12.2.3 MATLAB 2019b深度學(xué)習(xí)工具箱
12.2.4 MATLAB 2019b深層網(wǎng)絡(luò)設(shè)計器的實現(xiàn)
第13章生成對抗網(wǎng)絡(luò)（GAN）
13.1 GAN的起源與發(fā)展
13.1.1 GAN的起源