前饋神經網路工作機理分析與學習算法， 中國科學技術出版社2006年出版。
基本介紹
- 書名：前饋神經網路工作機理分析與學習算法
- 作者： 李愛軍
- ISBN： 7-5046-4395-5
- 出版社： 中國科學技術出版社
- 出版時間：2006
圖書信息,摘要信息,圖書目錄,
圖書信息
題 名： 前饋神經網路工作機理分析與學習算法
題名拼音： qian kui shen jing wang luo gong zuo ji li fen xi yu xue xi suan fa
I S B N： 7-5046-4395-5
責 任 者： 李愛軍著
出 版 社： 中國科學技術出版社
出版地點： 北京
出版時間：2006
載體形態： 173頁
主 題 詞： 人工神經
摘要信息
本書以神經網路的工作機理分析為基本出發點，採用非參數化的決策樹與傳統人工神經網路結合的方法，研究神經網路的結構設計方法，並進一步探討了人工神經網路的增量學習算法。
圖書目錄
摘要
ABSTRACT
第一章 概述
第一節 神經網路的產生與發展
一 神經網路的產生
二 神經網路的發展歷史
第二節 神經網路研究內容
一 神經網路的研究內容
二 神經網路目前的研究熱點和未來發展
第三節 本項研究的目的、意義和主要內容
一 本項研究的目的和意義
二 本項研究的主要內容
第四節 本書的組織安排
第二章 前饋神經網路的工作機理分析
第一節 引言
第二節 高維空間幾何理論基礎
一 基本概念
二 常用定理
第三節 神經網路的幾何解釋
一 神經元的幾何意義
二 神經網路的高維空間幾何意義
第四節 分類決策樹與前饋網路的等價性
一 決策樹
二 決策樹的插值表示
三 前饋網路與決策樹的等價性
第五節 分類前饋網路的決策樹分析
一 前饋網路物理意義的決策樹分析
二 神經網路學習和工作過程中常見問題的分析
第六節 小結
第三章 神經網路結構設計的資訊理論方法
第一節 神經網路結構設計
一 探索法
二 動態修改網路法
三 與符號系統相結合的結構設計方法
第二節 神經網路結構中的信息最大化
一 信息與熵
二 條件熵與互信息
三 神經網路中的信息理論
四 基於信息最大化的網路修剪
第三節 離散數據屬性分類問題的神經網路結構設計
一 前饋網路與決策樹
二 熵網路
三 基於決策樹的神經網路構造方法DTBNN
四 實驗分析與結論
第四節 基於熵準則的神經網路構造方法
一 簡介
二 神經元選擇的“熵”準則
三 基於熵準則的神經網路構造過程
四 多類問題的擴展
五 EBNN算法的主要性質
六 實驗及結果分析
第五節 小結
第四章 基於集成系統的前饋網路增量學習
第一節 增量學習算法簡介
一 增量學習的定義
二 神經網路增量學習
第二節 基於集成的增量學習
一 神經網路集成
二 AdaBoost的漸進學習能力
三 LEARN++增量學習算法
四 EBILNN增量學習
第三節 實驗分析
一 人工實驗數據的增量學習結果分析
二 Glass分類數據的增量學習性能
第四節 小結
第五章 研究工作總結與展望
第一節 研究工作的總結
一 前饋網路的工作機理分析
二 神經網路結構設計的資訊理論方法
三 基於集成系統的神經網路增量學習
第二節 神經網路技術的前景和進一步的研究工作
參考文獻
