神经网络理论PDF|Epub|txt|kindle电子书版本网盘下载

神经网络理论PDF格式电子书版下载

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

引言1

第1篇 神经网络的结构27

第1章 从布尔元件的逻辑基础向阈值逻辑基础的过渡27

1.1 线性阈值单元(神经元)27

1.2 多阈值逻辑29

1.3 连续逻辑29

1.4 激活函数的形式30

参考文献31

第2章 神经网络结构的定性分析34

2.1 神经网络结构的几种形式34

2.2 有顺序前向连接的多层网络35

2.3 多层网络的结构及其符号表示37

参考文献40

第3章 有跨越连接的多层网络结构的优化42

3.1 关于问题复杂性的准则42

3.2 有跨越连接的一维输入网络的方案43

3.3 类区数上限与下限的估计44

3.4 结构优化问题的一些特例45

3.5 根据某种拓扑特性进行的网络结构的优化47

3.6 有Kp个输出值的网络结构的优化50

参考文献51

第4章 连续神经网络52

4.1 输入特征为连续的神经元52

4.2 取连续值的层中神经元53

4.3 有离散特征的连续神经元层53

4.4 神经元的连续模型的分类54

参考文献58

第2篇 神经网络的最优模型60

第5章 神经网络输入信号特性的研究60

5.1 问题的提出60

5.2 有两类样本时输入信号的联合概率分布61

5.3 有K类样本时输入信号的联合概率分布66

参考文献68

6.1 最优模型的一般结构69

第6章 建造神经网络的最优模型69

6.2 典型神经网络分界面的解析表达70

6.3 多维ε(n)及y(n)时的最优模型85

6.4 自学习状态下神经网络输入信号的先验信息87

6.5 自学习状态下网络的一次优化准则88

6.6 在有任意技术等级的教师和自学习状态下网络的最优模型90

参考文献92

第7章 开环神经网络的分析93

7.1 神经网络的模拟量和离散量误差的分布规律93

7.2 二次优化泛函的选择100

7.3 系统“Adline”中二次优化泛函的选择101

7.4 对应给定一次优化准则二次优化准则的形成102

7.5 连续型神经网络105

7.6 在有任意技术等级的教师和自学习状态下的神经网络109

参考文献109

8.1 多层神经网络二次优化泛函极值的搜索过程110

8.2 有关多变量函数迭代搜索法的分析110

第8章 多变量函数极值的搜索算法110

8.3 随机逼近法112

8.4 对变量有等式约束的多变量函数极值进行搜索的迭代方法112

8.5 变量有不等式约束时多变量函数寻优的迭代法117

8.6 多变量函数的局部和全局最优点的随机搜索算法118

8.7 使用二次优化泛函的二阶导数估计值的自适应算法119

参考文献122

9.1 问题的提出126

第9章 神经网络的调整算法126

第3篇 自适应神经网络126

9.2 有二值及连续输出的神经元127

9.3 两层网络129

9.4 由连续输出神经元构成的多层网络131

9.5 变量存在约束的闭环调整的神经网络的构造132

9.6 有二值输出的网络的一次优化准则的实现134

9.7 有连续输入和Kp种输出神经网络中平均风险最小化的实现136

9.8 有N个输出通道的神经网络中平均风险最小化的实现137

9.9 多层神经网络中平均风险最小化的实现138

9.10 输入为非平稳样本时闭环神经网络的构造140

9.11 带跨越或反馈连接的闭环调整的神经网络的构造141

9.12 自学习与有任意技术等级教师的闭环神经网络142

9.13 二次优化泛函的二阶导数的估计143

参考文献145

第10章 连续型神经网络的调整146

10.1 有连续特征的网络的调整146

10.2 层中神经元为连续时权值的调整147

10.3 连续神经元层网络的学习过程中参数矩阵的选取147

10.4 有连续特征并基于给定随机样本时参数K(i,j)的选择149

10.5 连续两层网络调整算法的特点151

10.6 连续神经元层权函数的3种实现方案及相应的学习过程151

10.7 两层连续神经网络中使用二次优化泛函α2g的学习算法153

10.8 有分段常数权函数的连续神经元层154

10.9 带分段线性权函数的连续神经元层156

10.10 带分段常数权函数的连续神经元层的网络158

参考文献159

11.1 初始条件的选择方法160

第11章 调整神经网络时初值的选择及多层网络的典型输入信号160

11.2 确定性选择初值的算法161

11.3 多层神经网络中初始条件的选择164

11.4 多层神经网络的典型输入信号167

参考文献168

第12章 闭环多层神经网络的研究169

12.1 闭环调整的多层神经网络设计问题的提出169

12.2 输入信号是多峰分布时神经元特性的研究170

12.3 识别非平稳样本的神经网络的动态研究176

12.4 学习状态下三层神经网络的动态研究181

12.5 有反馈网络的一些特例的研究184

12.6 自学习状态下单层神经网络的动态研究188

12.7 自学习状态下的两层神经网络194

12.8 闭环多层神经网络调整算法中一些有关参数矩阵选择的工程方法202

12.9 用于解决矩阵变换问题的多层神经网络的构造202

12.10 用于把二进制数转换为十进制数的多层神经网络204

12.11 有任意教师等级的多层网络的研究205

12.12 对闭环调整的神经网络进行研究的解析方法206

参考文献214

第13章 可变结构多层神经网络的设计216

13.1 第1层神经元的顺序学习算法216

13.2 使用随机法搜索局部及全局极值的多层神经网络中第1层神经元的学习算法219

13.3 超平面数增多时有关算法收敛性的分析222

13.4 两层神经网络中第2层神经元的学习224

13.5 3层神经网络中第2层和第3层神经元的学习230

13.6 对多层神经网络做依次调整的一般方法231

13.8 用调整变结构多层神经网络的方法解决初始条件的选择问题232

13.7 有连续特征的多层神经网络中第1层神经元的学习方法232

13.9 变结构多层神经网络的自学习算法233

参考文献233

第14章 多层神经网络中有效特征的选择235

14.1 学习状态下特征选择问题的提出235

14.2 固定结构的多层神经网络中特征提取的结构方法237

14.3 用于选择有效特征的第1层神经元顺次调整的多层神经网络238

14.4 神经元数的最少化240

参考文献241

14.5 自学习状态下多层神经网络中有效特征的选取241

第4篇 神经网络的可靠性及故障诊断244

第15章 神经网络的可靠性244

15.1 神经网络功能可靠性的研究方法244

15.2 用多层神经网络形式实现组织自恢复时功能可靠性的研究246

15.3 多层神经网络功能可靠性的研究247

15.4 神经网络参数可靠性的研究248

15.5 灾难性故障发生时多层神经网络功能可靠性的研究256

参考文献257

第16章 神经网络的故障诊断260

16.1 神经网络的状态图、基本概念及定义261

16.2 神经网络中故障定位的算法262

16.3 神经元输出端有逻辑常数故障时构造最少测试点的算法268

16.4 神经网络的自适应故障诊断方法269

参考文献274

结论276

参考文献279