人工神經網路原理

《人工神經網路原理》介紹了人工神經網路的基本理論，系統地闡述了六種典型的人工神經網路模型，即早期的感知機神經網路、自適應線性元件神經網路、誤差反向傳播神經網路、Hopfield神經網路、B0ltzmann機和自適應共振理論神經網路，以及它們的網路結構、學習算法、工作原理及套用實例，為讀者深入了解和研究人工神經網路奠定了基礎。

內容簡介

為了滿足讀者套用人工神經網路解決實際問題的需要，書中還介紹了人工神經網路套用開發設計的全過程，並在附錄中給出了BP神經網路實現預測、Hop6eld神經網路實現圖像自聯想記憶、模擬退火算法實現TSP和ARTI神經網路的源程式，供讀者參考。作為擴充知識，書中也簡單介紹了人工神經網路的實現，以及人工神經網路技術與傳統的基於規則的專家系統和模糊系統的融合。

《人工神經網路原理》既可作為計算機科學與技術、電子、通信與自動控制等相關專業的研究生和高年級本科生的參考書，也可作為相關專業領域的科研人員和工程技術人員的學習參考書。

圖書目錄

出版說明

前言

第1章 緒論

第2章 人工神經網路基礎

第3章 早期的自適應神經網路模型

第4章 誤差反向傳播神經網路

第5章 Hopfield神經網路

第6章 Boltzmann機

第7章 自適應共振理論神經網路

第8章 人工神經網路套用的設計開發

第9章 人工神經網路的實現

第10章 人工神經網路的發展

附錄