神經網絡與深度學習：基于MATLAB的仿真與實現

定　價：￥89.00

作　者：	姚舜才，李大威編
出版社：	清華大學出版社
叢編項：	人工智能科學與技術叢書
標　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：	379	字數：

內容簡介

　　本書系統(tǒng)論述了神經網絡及深度學習的基本原理、算法設計及應用實例。全書分三部分，共14章，分別介紹了神經網絡的基本概念、神經網絡的基本結構、深度學習的基本原理、神經網絡的訓練方法，以及神經網絡與深度學習的計算機仿真技術。此外，本書還介紹了MATLAB中的人工智能工具箱在神經網絡與深度學習中的應用，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、電子信息等專業(yè)的本科生、研究生及從事人工智能學習及研究的專業(yè)人員的參考書。

作者簡介

　　姚舜才，中北大學副教授，碩士生導師，美國密歇根科技大學訪問學者。目前主要研究神經網絡及深度學習在系統(tǒng)數據建模中的應用。多次獲得山西省中青年教師教學基本功競賽獎勵，并被評為山西省普通高校師德師風建設先進個人；多次獲得山西省高等學?？萍歼M步獎；發(fā)表50余篇學術及教學論文，其中E|收錄10篇；作為負責人及主要完成人承擔多項國家和山西省自然科學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

第一部分神經網絡基礎及MATLAB
緒論
第1章神經網絡概述
第2章 MATLAB基本知識及神經網絡工具箱簡介
2.1 MATLAB基本知識
2.2 MATLAB神經網絡工具箱
2.2.1 基于代碼的MATLAB神經網絡工具箱的應用
2.2.2 基于圖形界面的MATLAB神經網絡工具箱的應用
2.2.3 MATLAB/Simulink中神經網絡相關模塊的應用
2.2.4 MATLAB菜單欄中神經網絡相關模塊的應用
第二部分經典神經網絡
第3章感知機
3.1 感知機的基本結構與算法基礎
3.1.1 單層感知機的基本結構
3.1.2 多層感知機的基本結構與算法基礎
3.2 感知機的MATLAB實現
3.2.1 單層感知機的MATLAB仿真實現
3.2.2 多層感知機的MATLAB仿真實現
第4章線性神經網絡
4.1 線性神經網絡的基本結構與算法基礎
4.1.1 線性神經網絡基本結構及學習算法
4.1.2 最小均方差算法中關于學習率η的討論
4.1.3 線性神經網絡的訓練
4.2 線性神經網絡的MATLAB實現
4.2.1 線性神經網絡在分類問題中的應用
4.2.2 線性神經網絡在擬合（回歸）問題中的應用
4.2.3 線性神經網絡在信號處理中的應用
4.3 關于線性神經網絡的幾點討論
第5章 BP神經網絡
5.1 BP神經網絡的基本結構與算法基礎
5.1.1 BP神經網絡基本結構及學習算法
5.1.2 BP神經網絡的構建
5.1.3 BP神經網絡算法問題的改進討論
5.2 BP神經網絡的MATLAB實現
5.2.1 BP神經網絡在分類問題中的應用
5.2.2 BP神經網絡在擬合（回歸）問題中的應用
5.2.3 BP神經網絡在信號處理中的應用
5.3 關于BP神經網絡的幾點討論
第6章徑向基神經網絡
6.1 徑向基神經網絡的基本結構與算法基礎
6.1.1 徑向基神經網絡基本結構及學習算法
6.1.2 徑向基神經網絡在擬合問題中的應用分析
6.1.3 徑向基神經網絡在分類問題中的應用分析
6.2 徑向基神經網絡的MATLAB實現
6.2.1 徑向基神經網絡在擬合（回歸）問題中的應用
6.2.2 徑向基神經網絡在分類問題中的應用
6.2.3 徑向基神經網絡在數據預測中的應用
6.3 關于徑向基神經網絡的幾點討論
第7章 Hopfield神經網絡
7.1 Hopfield神經網絡的基本結構與算法基礎
7.1.1 離散型Hopfield神經網絡
7.1.2 連續(xù)型Hopfield神經網絡
7.1.3 Hopfield神經網絡的幾個問題
7.2 Hopfield神經網絡的MATLAB實現
7.3 關于Hopfield神經網絡的幾點討論
第8章 SOM神經網絡
8.1 SOM神經網絡的基本結構與算法基礎
8.1.1 SOM神經網絡的運行原理
8.1.2 SOM神經網絡基本結構及學習算法
8.1.3 SOM神經網絡的訓練
8.1.4 SOM神經網絡的設計
8.2 SOM神經網絡的MATLAB實現
8.2.1 二維SOM神經網絡識別分類
8.2.2 SOM神經網絡在故障診斷中的應用
8.2.3 SOM神經網絡的工具箱實現
8.3 關于SOM神經網絡的幾點討論
第9章概率神經網絡
9.1 概率神經網絡的基本結構與算法基礎
9.1.1 概率神經網絡的理論基礎
9.1.2 概率神經網絡的結構模型
9.1.3 概率神經網絡的訓練
9.1.4 概率神經網絡模式分類學習算法
9.2 概率神經網絡的MATLAB實現
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 概率神經網絡的工具箱實現
9.2.4 PNN中參數spread對分類的影響
第三部分深度學習神經網絡
第10章深度信念網絡
10.1 玻耳茲曼機基本結構及學習
10.1.1 玻耳茲曼機的基本結構
10.1.2 玻耳茲曼機的訓練方法
10.2 深度信念網絡的基本結構
10.3 深度信念網絡的MATLAB實現
10.3.1 數據集
10.3.2 DeeBNet工具箱實現
10.3.3 MATLAB 2019深度學習工具箱的實現案例
第1l章自編碼器
11.1 自編碼器的基本結構與算法基礎
11.1.1 自編碼器的基本結構
11.1.2 自編碼器的學習算法
11.2 自編碼器的MATLAB實現
11.2.1 堆棧自編碼器的實現案例1
11.2.2 降噪堆棧自編碼的實現
11.2.3 堆棧自編碼器的實現案例2
第12章卷積神經網絡
12.1 卷積神經網絡的基本結構與算法基礎
12.1.1 卷積神經網絡的特點
12.1.2 卷積神經網絡的訓練
12.1.3 常見的卷積神經網絡結構
12.2 卷積神經網絡的實現
12.2.1 卷積神經網絡的實現1
12.2.2 卷積神經網絡的實現2
12.2.3 MATLAB 2019b深度學習工具箱
12.2.4 MATLAB 2019b深層網絡設計器的實現
第13章生成對抗網絡（GAN）
13.1 GAN的起源與發(fā)展
13.1.1 GAN的起源