| 本书特点： ·广泛论述了能力学习方面的内容，包括Widrow-Hoff规则、反向传播算法和一些增强的反向传播算这（例如，变梯度法，Levenberg-Marquardt动量项法） ·讨论了回归互联记忆神经网络（例如．Hopfield神经网络） ·给出多个解决问题的详细实例： ·以简单的积木形式解释了互联神经网络和竞争神经网络（包括特征映射、学习矢量量化和自适应共振理论）。 ·提供了用MATLAB4．O实现的神经网络设计演示程序（包含学生版和专业版） 这是一本非常优秀的著作 很难见到写得这么好的书。本书无论是插图还是范例都是一流的这些插图和范例不但丰富了内容，而且还增加了直觉感。 |
| Preface 1 Introduction 2 Neuron Model and network Architectures 3 An Illustrative Example 4 Perceptron Learning Rule 5 Siganl and Weight Vector Spaces 6 Linear Transformations for Neural Networks 7 Supervised Hebbian Learning 8 Performance Surfaces and Optimum Points 9 Performance Optimization 10 Widrow-Hoff Learning 11 Backpropagation 12 Variations on Backpropagation 13 Associative Learning 14 Competitive Networks 15 Grossberg Network 16 Adaptive Resonance Theory 17 Stability 18 Hopfield Network 19 Epilogue Appendices A Bibliography B Notation C Software I index |
内容加载中，请稍后...
商品评论（0条）