人工神經網絡原理及仿真實例(第2版)（簡體書）

本書以神經網絡結構為主線，以學習算法為副線，詳細介紹了神經網絡結構和算法步驟，目的是使讀者易看懂，能動手，會應用。主要內容包括：人工神經網絡簡介、單層前向網絡及LMS學習算法、多層前向網絡及BP學習算法、支持向量機及其學習算法、Hopfield神經網絡與聯想記憶、隨機神經網絡及模擬退火算法。競爭神經網絡和協同神經網絡。每章均給出了基於Matlab的仿真實例及練習。
本書可作為電子科學與技術、信息與通信工程、計算機科學與技術、電氣工程、控制科學與技術等專業的研究生和高年級本科生的教材，對相關專業的研究人員和工程技術人員也有參考價值。

出版說明
前言
致謝
第1章　引言
　1.1　人工神經網絡簡介
　1.2　人工神經網絡的發展歷史
　1.3　人工神經網絡模型
　1.4　人工神經網絡的分類及學習規則
　1.5　人工神經網絡的信息處理能力
　1.6　人工神經網絡的應用
　1.7　人工神經網絡與人工智能　
　1.8　習題
第2章　單層前向網絡及LMS學習算法
　2.1　單層感知器
　2.2　自適應線性元件
　2.3　LMS學習算法
　2.4　仿真實例
　2.5　習題
第3章　多層前向網絡及BP學習算法
　3.1　多層感知器
　3.2　BP學習算法
　3.3　徑向基網絡
　3.4　仿真實例
　3.5　習題
第4章　支持向量機及其學習算法
　4.1　統計學習理論簡介
　4.2　支持向量機
　4.3　支持向量機的分類學習算法
　4.4　用于函數擬合的支持向量機
　4.5　支持向量機算法的研究與應用
　4.6　仿真實例
　4.7　習題
第5章　Hopfield神經網絡與聯想記憶
　5.1　神經動力學
　5.2　離散Hopfield神經網絡
　5.3　連續Hopfield神經網絡
　5.4　聯想記憶
　5.5　仿真實例
　5.6　習題
第6章　隨機神經網絡及模擬退火算法
　6.1　Boltzmann機
　6.2　Boltzmann機的改進
　6.3　模擬退火算法
　6.4　仿真實例
　6.5　習題
第7章　競爭神經網絡
　7.1　Hamming網絡
　7.2　自組織映射網絡
　7.3　學習矢量量化
　7.4　主分量分析
　7.5　仿真實例
　7.6　習題
第8章　協同神經網絡
　8.1　協同學簡介　
　8.2　協同神經網絡
　8.3　仿真實例
　8.4　習題
附錄　
　附錄A　MATLAB及神經網絡工具箱簡介
　附錄B　MATLAB中神經網絡工具箱函數
參考文獻