三民網路書店 中國圖書館分類法 / 工業技術 / 自動化技術、計算機技術 / 自動化基礎理論 / 人工神經網絡與計算

本著作重點介紹人工神經網絡（Artificial?Neural?Networks，ANNs），人工神經網絡，也簡稱為神經網絡（NNs），ANNs是由多個非常簡單的處理單元彼此按某種方式相互連接而形成的計算機系統，該系統靠其狀態對外部輸入信息的動態響應來處理信息，是模擬生物神經網絡進行信息處理的一種數學模型。它以對大腦的生理研究成果為基礎，其目的在於模擬大腦的某些機理與機制，實現一些特定的功能，人工神經網絡模型主要考慮網絡連接的拓撲結構、神經元的特徵、學習規則等。目前，已有近40種神經網絡模型，其中有反傳網絡、感知器、自組織映射、Hopfield網絡、波耳茲曼機、適應諧振理論等。根據連接的拓撲結構，神經網絡模型可以分為：（1）前饋網絡和（2）反饋網絡兩部分。

人工神經網絡是由眾多連接權值可調的神經元連接而成，具有大規模並行處理、分布式信息存儲、良好的自組織自學習能力等特點，能夠完成模式識別、機器學習以及預測趨勢等任務。本書通過9章內容，並結合Java編程語言，由淺入深地介紹了神經網絡算法的應用。書中涉及神經網絡的構建、神經網絡的結構、神經網絡的學習、感知機、自組織映射等核心概念，並將天氣預測、疾病診斷、客戶特徵聚類、模式識別、神經網絡優化與自適應等經典案例囊括其中。本書在附錄中詳細地指導讀者進行開發環境的配置，幫助讀者更加順利地進行程序開發。本書非常適合對神經網絡技術感興趣的開發人員和業餘讀者閱讀，讀者無需具備Java編程知識，也無需提前瞭解神經網絡的相關概念。本書將從零開始為讀者進行由淺入深地講解。

隨著資訊爆炸產生的海量資料時代的來臨，資料中所蘊含的價值將會對人類社會產生直接的，全面的，甚至是革命性的影響。因此，在大資料背景下，有效地分析，組織和使用各類資料，將對科技進步以及經濟發展產生巨大的推動作用，孕育出前所未有的機遇。針對大資料技術體系架構，本著作總結出在大資料處理流程中，所面臨不同層面的問題及其相互關係，歸納出解決大資料環境下三大核心問題（資訊檢索，資料挖掘和知識發現）的演算法特性及

本書從整體上描述了神經形態工程領域的最新技術，包括構建完整的神經形態芯片和解決製造多芯片可擴展系統所需的技術挑戰。本書分為兩部分：第一部分(第2-6章)。它描述了所構建的AER通信體系結構，AER傳感器和電子神經模型的範圍。其中幾章還包括一棵歷史

本書是《智能計算系統》教材的配套實驗教程，全書基於智能計算系統各章節的重點或難點，結合智能計算系統的軟硬件技術棧設計了基於通用CPU平臺和深度學習處理器平臺的分階段實驗和綜合實驗。實驗設計與理論章節一對一匹配，結合知識樹的構建，幫助高校教師和學生輕鬆上手實驗，切實強化動手能力，讓學生真正掌握智能計算系統的部署與優化。

《模糊神經網絡理論與實踐》按照結構共分15章，分別為：第1～3章主要介紹模糊神經網絡的技術背景以及相關基礎理論；第4～5章主要討論基於模糊神經網絡的推理系統以及自我調整模糊神經網絡的基本結構；第6章主要介紹模糊神經網絡的硬體設計；第7～8章主要討論模糊神經網絡技術在機器學習和深度學習中的框架和模型；第9章主要介紹在Matlab平臺下如何設計和構建模糊系統；第10～14章主要介紹了模糊神經網絡的應用，包括在故障診斷、聚類分析、非線性建模、影像處理以及遙感影像處理等方面的具體應用和實踐；第15章是全書的總結部分。

本書涵蓋了經典和現代的深度學習模型。章節分為三類:第1部分為神經網絡的基礎。許多傳統的機器學習模型可以理解為神經網絡的特殊情況。前兩章的重點是理解傳統機器學習和神經網絡之間的關係。支持向量機、線性/邏輯回歸、奇異值分解、矩陣分解和推薦系統都是神經網絡的特例。本書將這些方法與特征工程方法如word2vec一起進行了研究。第2部分是神經網絡的基本原理。訓練和正則化的詳細討論在第3章和第4章提供。第5章和第6章介紹了徑向基函數(RBF)網絡和受限的玻爾茲曼機。第3部分是神經網絡的高級主題:第7章和第8章討論了循環神經網絡和卷積神經網絡。第9章和第10章介紹了幾個高級主題，如深度強化學習、神經圖像機、Kohonen自組織映射和生成對抗網絡。這本書是為研究生、研究人員和實踐者編寫的。大量的練習和一個解決方案手冊，以幫助在課堂教學。在可能的情況下，突出顯示以應用程序為中心的視圖，以便提供對每一類技術的實際用途的理解。

在《認知和行為的計算建模》中提出了一套在心理學中應用計算和數學模型的綜合方法。主要目的是在理論、模擬和數據之間提供一個統一的視角，來回答“我們如何從行為模型中獲取信息”的核心問題。《認知和行為的計算建模》涵蓋了以下四個主題。部分解釋了什麼是計算模型，全面概述了用於理解人類行為的模型，探討了如何將理論敘述轉化為模擬代碼，並闡述了理解建模所需的各種概念。第二部分探究了計算模型的一種應用——參數估計。通過將模型擬合到數據，可以從所得的參數估計值以及有關生成這些數據的一種或多種心理機制或表征的敘述中進行推斷。在這裡介紹了似然估計和貝葉斯估計，包括跨多個被試估計和分層估計。第三部分探討了如何使用模型比較進行推論，討論了從數據中得出充分性和必要性結論的條件，以及如何概念化和量化模型的複雜性。本部分探究了幾種解決模型比較複雜的方法，包括信息標準和貝葉斯因素。第四部分討論了計算建模在推進心理學理論研究中的作用。探究了如何使用模型作為推理的輔助手段以及人類與人工智能之間的相互作用，以引導理論化和概念性見解的產生。以及計算模型如何作為一種用於研究者之間達成共識（即使用模型作為通用的參考術語）的工具，如何將其應用於交流和共享模型。後，介紹了計算模型在神經網絡模型、選擇反應時間模型以及模型在理解神經數據中的應用。

本書內容涵蓋神經工程的各個方面，較為全面系統地介紹了這門交叉學科所涉及的重要內容。本書分上、下冊，共20章，重點介紹神經工程的應用以及研究方向，如腦-機接口、功能性電刺激、神經成像等的基本理論知識及應用。本書遵循從微觀到宏觀，從基礎到應用，再到未來展望的順序進行編排。全書的材料來源於各個領域**的書籍資料以及近年來神經工程學的新知識、新理論、新發展和新概念。適當引入國際神經工程學知識的新進展，並將

本書主要關注如何構建高能效具有學習能力的脈衝型神經元網絡硬件，並且提供建立具有學習能力的脈衝型神經元網絡硬件協同設計、協同優化方法。完整地描述從高級算法到底層硬件實現的細節。本書同樣涵蓋了脈衝型神經元網絡中的許多基礎知識和關鍵點。 本書從對脈衝型神經元網絡的概述開始，討論基於速率的人工神經網絡的應用和訓練，介紹實現神經網絡的多種方法，如通用處理器和專用硬件，數字加速器和

神經網絡在深度學習和人工智能中發揮著非常重要的作用，其應用領域非常廣泛，涵蓋從醫療診斷、財務預測到機器診斷等多個領域。 《神經網絡設計與實現》旨在指導你以實用的方式學習神經網絡。書中將簡要介紹感知器網絡，從而幫助你入門。然後，你將獲得有關機器學習的見解，並了解人工智能的未來。接下來，你將研究如何使用嵌入來處理文本數據，並學習長短期記憶網絡在解決常見自然語言處理問題

這是一本系統、全面、理論與實踐相結合的Embedding技術指南，由資深的AI技術專家和高級數據科學家撰寫，得到了黃鐵軍、韋青、張崢、周明等中國人工智能領域的領軍人物的一致好評和推薦。在內容方面，本書理論與實操兼顧，一方面系統講解了Embedding的基礎、技術、原理、方法和性能優化，一方面詳細列舉和分析了Embedding在機器學習性能提升、中英文翻譯、推薦系統等6個重要場景的應用實踐；在寫作方式上，秉承復雜問題簡單化的原則，盡量避免復雜的數學公式，盡量采用可視化的表達方式，旨在降低本書的學習門檻，讓讀者能看得完、學得會。全書一共16章，分為兩個部分：第1部分（第1~9章）Embedding理論知識主要講解Embedding的基礎知識、原理以及如何讓Embedding落地的相關技術，如TensorFlow和PyTorch中的Embedding層、CNN算法、RNN算法、遷移學習方法等，重點介紹了Transformer和基於它的GPT、BERT預訓練模型及BERT的多種改進版本等。第二部分（第10 ~16章）Embedding應用實例通過6個實例介紹了Embedding及相關技術的實際應用，包括如何使用Embedding提升傳統機器學習性，如何把Embedding技術應用到推薦系統中，如何使用Embedding技術提升NLP模型的性能等。

生成對抗神經網絡（Generative Adversarial Nets，GAN）作為一種深度學習框架，發展十分迅猛。通過相互對抗的神經網絡模型，GAN能夠生成結構復雜且十分逼真的高維度數據。因此，GAN被廣泛地應用在學術研究和工程領域，包括圖像處理，如圖像生成、圖像轉換、視頻合成等；序列數據生成，如語音生成、音樂生成等；以及其他眾多領域，如遷移學習、醫學圖像細分、隱寫術、持續學習（深度學習重放）

本書是智能計算平臺應用開發中級教材，主要介紹了智能計算平臺搭建、平臺管理、數據管理、應用開發等相關知識。全書共分9章，內容包括智能計算平臺應用開發概述、人工智能與平臺搭建、平臺管理、數據采集、數據存儲、數據處理、數據備份與恢復、機器學習基礎算法建模和人工智能模型開發測試。

本書既可以作為相關專業本科生和研究生的學習用書，也可以作為廣大科研人員、學者、工程技術人員的參考用書。

作為一類具有廣泛應用背景的非線性動力系統，神經網絡的穩定性和同步控制是其應用和設計的基礎。本書致力於系統介紹時滯神經網絡的穩定性與同步控制理論在近年來取得的最新成果。主要內容涉及到：根據神經網絡的演化機制和內在規律，建立切合實際的時滯神經網絡模型，運用Lyapunov穩定性理論、線性矩陣不等式技術、劃分時滯方法、規範型理論和中心流形定理等非線性系統理論和控制理論，分析空間擴散、參數不確定、隨機擾動以及脈衝作用等因素對系統穩定性的影響，確定影響同步的關鍵特徵量，提出系統的混沌同步控制策略並應用於通信保密，揭示時滯神經網絡動力學行為的複雜性。本書是可以進一步推動神經網絡理論的發展和完善，拓展神經網絡的應用範圍，具有重要的理論和應用價值。

內容簡介這是一本從原理、算法、實現、應用4個維度詳細講解圖神經網絡的著作，在圖神經網絡領域具有重大的意義。本書作者是圖神經網絡領域的技術專家，作者所在的公司極驗也是該領域的領先者。本書是作者和極驗多年研究和實踐經驗的總結，內容系統、扎實、深入淺出，得到了白翔、俞棟等幾位來自學術界和企業界的領軍人物的高度評價和強烈推薦。全書共10章：第1～4章全面介紹了圖、圖數據、卷積神經網絡以及表示學習等基礎知識

計算智能是借助現代計算工具通過模擬人的智能來求解問題（或處理信息）的理論與方法，它是人工智能的深化與發展，也是當前人工智能技術的重要組成部分。計算智能的理論和方法是信息科學、生命科學、認知科學等不同學科相互交叉、相互滲透、相互促進而產生的一門新的學科。《智能科學技術著作叢書：計算智能理論與方法》的主要內容包括進化計算方法及其應用、人工免疫系統和算法、人工神經網絡及其實施過程、模糊邏輯系統及其具體應

本書以TensorFlow為平臺，從神經網絡到深度學習由淺入深進行介紹，書中每章都以理論引出，以TensorFlow應用鞏固結束，做到理論與實踐相結合，使讀者快速瞭解神經網絡、深度學習等內容，同時領略利用TensorFlow解決這些問題的簡單和快捷。本書共12章，主要內容包括TensorFlow軟件介紹、計算機視覺與深度學習、深度神經網絡的基礎、全連接神經網絡、卷積神經網絡、高級卷積神經網絡、迴圈