图书介绍
基函数神经网络及应用PDF|Epub|txt|kindle电子书版本网盘下载
- 邹阿金，张雨浓著 著
- 出版社： 广州：中山大学出版社
- ISBN：9787306032751
- 出版时间：2009
- 标注页数：190页
- 文件大小：29MB
- 文件页数：201页
- 主题词：神经网络－研究
PDF下载
下载说明
基函数神经网络及应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 神经网络概述1
§1.1 神经网络发展简史1
§1.2 神经网络的基本概念与构成6
§1.2.1 神经元模型6
§1.2.2 神经网络的构成7
§1.2.3 神经网络的功能层次8
§1.3 神经网络学习算法与分类9
§1.3.1 神经网络学习算法9
§1.3.2 神经网络的分类10
参考文献12
第2章 数学基础16
§2.1 正交多项式基函数及性质16
§2.2 最佳逼近理论17
§2.3 多元多项式逼近理论19
§2.4 矩阵的伪逆及线性方程组求解20
§2.5 傅立叶级数及逼近定理20
§2.6 样条插值21
参考文献23
第3章 Chebyshev神经网络24
§3.1 Chebyshev正交基函数24
§3.2 Chebyshev神经网络建模25
§3.2.1 单输入Chebyshev神经网络及BP学习算法25
§3.2.2 多输入Chebyshev神经网络及BP学习算法27
§3.3 正交基函数神经网络衍生学习算法28
§3.4 Chebyshev神经网络仿真实验与学习算法举例30
§3.5 Chebyshev神经网络硬件实现33
§3.5.1 基于模拟电路的Chebyshev神经网络电路设计33
§3.5.2 基于单片机的Chebyshev神经网络硬件实现36
§3.5.3 Chebyshev神经网络模块SN9701及其应用38
§3.6 Chebyshev神经网络非线性预测39
§3.6.1 Chebyshev神经网络预测模型40
§3.6.2 Chebyshev神经网络预测原理41
§3.6.3 仿真与预测42
§3.7 基于混沌控制系统的Chebyshev神经网络异步加密算法44
§3.7.1 基于混沌控制系统的Chebyshev神经网络建模44
§3.7.2 CCNN异步加密算法设计45
§3.7.3 加密实例与算法安全性分析46
参考文献47
附录50
第4章 Legendre神经网络63
§4.1 Legendre正交基函数及逼近定理63
§4.2 Legendre神经网络建模64
§4.3 Legendre神经网络在股票预测中的应用65
§4.3.1 基于Legendre神经网络的预测模型65
§4.3.2 Legendre神经网络股票预测65
§4.4 Legendre神经网络入侵检测系统的实现67
§4.4.1 数据样本的收集与处理67
§4.4.2 Legendre神经网络的训练69
§4.4.3 实验结果70
§4.5 基于XOR的Legendre混沌神经网络异步加密算法71
§4.5.1 Legendre 混沌神经网络设计71
§4.5.2 LCNN“一次一密”异步加密算法设计72
§4.5.3 加密实例74
参考文献75
附录77
第5章 Hermite神经网络84
§5.1 Hermite正交基函数及逼近定理84
§5.2 Hermite神经网络建模及权值学习算法85
§5.3 其他正交多项式基函数神经网络85
§5.3.1 Laguerre多项式86
§5.3.2 Jacobi多项式86
§5.3.3 Gegenbauer多项式87
§5.4 基于混沌序列的Hermite神经网络异步加密98
§5.4.1 Hermite混沌神经网络设计88
§5.4.2 基于HCNN的“一次一密”加密算法设计89
§5.4.3 算法分析90
§5.4.4 加密实例90
参考文献93
附录94
第6章 样条神经网络98
§6.1 样条基函数神经网络建模98
§6.2 样条基函数神经网络的非线性对象仿真100
参考文献103
附录103
第7章 多输入多项式神经网络105
§7.1 多输人多项式基函数神经网络引论105
§7.2 多输人多项式神经网络的构造原理106
§7.2.1 多输入多项式基函数神经元模型106
§7.2.2 二输入多项式神经网络模型107
§7.3 网络权值迭代和一步确定108
§7.4 神经网络最优拓扑结构筛减算法原理112
§7.4.1 多元多项式最佳均方逼近113
§7.4.2 多输入多项式神经网络模型114
§7.4.3 神经网络筛减原理与算法设计115
§7.4.4 仿真实例117
§7.5 多输入分片二次多项式神经网络119
§7.5.1 二元函数分片光滑逼近120
§7.5.2 二元多项式基函数神经网络建模120
§7.5.3 二元二次多项式基函数神经网络仿真121
§7.6 二元二次多项式神经网络在非线性MAC中的应用124
§7.6.1 基于二元二次多项式神经网络MAC原理124
§7.6.2 仿真研究126
§7.7 多项式神经网络在机票收益预测中的应用128
§7.7.1 机票定价的现状128
§7.7.2 机票定价的主要影响因素130
§7.7.3 基于多项式神经网络的机票收益预测130
参考文献134
附录137
第8章 Fourier神经网络151
§8.1 Fourier神经网络建模与仿真151
§8.2 正弦基函数神经网络滤波器设计154
§8.2.1 FIR数字滤波器振幅特性155
§8.2.2 正弦基函数神经网络建模及滤波器设计155
§8.3 余弦基函数神经网络硬件实现158
§8.3.1 余弦基函数神经网络模型158
§8.3.2 余弦基函数神经网络硬件实现方法158
参考文献160
附录162
第9章 基函数神经网络统一模型168
§9.1 人脑的结构与功能168
§9.1.1 右脑（本能脑·潜意识脑）170
§9.1.2 左脑（意识脑）170
§9.2 欧氏空间逼近论170
§9.2.1 欧氏空间与Schmidt正交化170
§9.2.2 欧氏空间Chebyshev最佳平方逼近173
§9.2.3 任意函数的Chebyshev级数174
§9.3 任意基函数神经网络统一建模175
§9.3.1 基函数神经网络建模机理175
§9.3.2 基函数神经网络通用模型及学习算法176
§9.4 仿真实验及两类通用模型的比较179
§9.5 任意基函数神经网络权值直接确定及仿真实验181
参考文献183
附录185