內容簡介
神經網路新理論與方法本書介紹了作者所提出的人工神經網路的新理論與算法（樣條權函式神經網路算法與代數算法），這些理論與算法徹底克服了困擾學術界多年的傳統算法的困難（例如局部極小、收斂速度慢、不收斂、難以求得全局最優點等困難），其中樣條權函式神經網路算法還具有很好的泛化能力。
全書共有7章，討論了人工神經網路的概論、基本概念、實神經網路的代數算法、全局最小值分析、複數神經網路的代數算法、樣條權函式神經網路及其學習算法和神經網路的統計靈敏度分析。
本書邏輯嚴謹，論述清晰，數學推導詳細，對於相關領域的廣大科技工作者、理工科博士、碩士研究生以及高年級本科生都有很好的參考價值，也可以作為相關領域的培訓或自學教材。
作者簡介
張代遠，男，博士學位，長期從事神經網路和計算機體系結構方面的科研和教學工作，出版專著、教材及教輔書4部，發表學術論文60餘篇，其中不少被國際權威機構檢索。作者的主要科研成果如下：
神經網路研究領域：作者提出了樣條權函式神經網路算法與代數算法，這些理論與方法徹底克服了困擾學術界多年的傳統算法的局部極小、收斂速度慢、難以求得全局最優點等困難。特別是樣條權函式神經網路理論與算法具有網路結構簡單、泛化能力強等突出優點，值得推廣。
計算機體系結構領域：作者提出了迭加原理，給出了迭加原理的一般形式和遞推形式。根據迭加原理可以自然地導出獎態圖的畫法規則。引入主流水線漸近參數的概念，導出了計算非線性流水線漸近參數的公式。作者提出的計算非線性流水線參數的公式給出了反映各個參數內在關係的數學表達式。
目錄
第1章 概論
1.1 計算機、生物神經網路與人工神經網路
1.2 本書的目的與價值
1.3 神經網路的發展歷史簡介
參考文獻
第2章 人工神經元和人工神經網路的基本概念
2.1 生物學的啟示
2.2 人工神經元模型
2.2.1 單輸入單輸出人工神經元
2.2.2 多輸入單輸出人工神經元
2.3 人工神經網路結構
第3章 實神經網路的代數算法
3.1 引言
3.2 BP算法的缺點與困難
3.3 代數算法的基本原理
3.3.1 符號與神經網路的拓撲結構
3.3.2 代數算法的理論與實現
3.4 計算實例
3.5 結論
參考文獻
第4章 全局最小值分析
4.1 引言
4.2 三層前饋網路代價函式全局最小值分析
4.3 數值仿真實驗
4.4 結論
參考文獻
第5章 複數神經網路的代數算法
5.1 引言
5.2 複數神經網路的概念
5.3 複數神經網路的構造
5.4 複數前饋神經網路的全局最優學習算法的基本原理
5.5 隱層神經元個數的確定以及線性方程組的求解
5.5.1 解存在的充分必要條件及隱層神經元個數的確定
5.5.2 隱層神經元函式的選擇
5.5.3 復自由權的選擇
5.6 本章結論與數值仿真實驗
參考文獻
第6章 樣條權函式神經網路及其學習算法
6.1 引言
6.2 學習曲線
6.3 投影概念與投影方程
6.4 第一類權函式的神經網路拓撲結構與訓練算法（和函數的訓練算法）
6.4.1 第一類權函式的神經網路拓撲結構
6.4.2 樣條權函式方程的建立與求解
6.5 第一類權函式的訓練算法（和函式的訓練算法）的誤差分析
6.6 第一類權函式的神經網路拓撲結構與訓練算法的一般情況（和函式的訓練算法）
6.7 第二類權函式的神經網路拓撲結構與訓練算法（積函式的訓練算法）
6.7.1 第二類權函式的訓練算法（積函式的訓練算法）的基本原理
6.7.2 第二類權函式的訓練算法（積函式的訓練算法）的誤差分析
6.8 奇異樣本的概念
6.9 數值仿真實驗
6.10 結論
參考文獻
第7章 神經網路的統計靈敏度分析
7.1 引言
7.2 符號約定
7.3 靈敏度分析
7.3.1 神經網路誤差的一般計算公式
7.3.2 三層神經網路的輸出層誤差與靈敏度的計算
7.3.3 INI網路的輸出層誤差與靈敏度計算
7.4 數值仿真實驗
7.5 結論
參考文獻
