发表于2024-11-08
包郵 神經網絡與機器學習(原書第3版)|197697 pdf epub mobi txt 電子書 下載 2024
書[0名0]: | 神經網絡與 [1機1] 器[0學0]習(原書[0第0]3版)|197697 |
圖書定價: | 79元 |
圖書作者: | (加)Simon Haykin |
齣版社: | [1機1] 械工業齣版社 |
齣版日期: | 2011/3/1 0:00:00 |
ISBN號: | 9787111324133 |
開本: | 16開 |
頁數: | 572 |
版次: | 3-1 |
作者簡介 |
Simon Haykin是[0國0]際電子電氣工程界的著[0名0][0學0]者,加拿[0大0]皇傢[0學0][0會0]院士,IEEE[0會0]士,於1953年獲得英[0國0]伯明翰[0大0][0學0]博士[0學0]位,現任加拿[0大0]麥剋馬斯特[0大0][0學0]教授,在該校創辦瞭通信研究實驗室並長期擔任主任。他曾經獲得IEEE McNaughton奬章,在神經網絡、通信、自適應濾波器等[0領0]域成果頗豐,著有多種標準教材。 |
內容簡介 |
本書是關於神經網絡的全麵的、徹底的、可讀性很強的、[親斤]的論述。全書共15章,主要內容包括Rosenblatt感[0知0]器、通過迴歸建立模型、小均方算[0法0]、多層感[0知0]器、核方[0法0]和徑嚮基函數網絡、支持嚮量 [1機1] 、正則化理論、主分量分析、自組織映射、信息論[0學0]習模型、動態規劃、神經動力[0學0]、動態係統狀態估計的貝葉斯濾波等。 本書適閤作為高等院校計算 [1機1] 相關專業研究生及本科生的教材,也可供相關[0領0]域的工程技術人員參考。 |
目錄 |
齣版者的話 譯者序 前言 縮寫和符號 術語 [0第0]0章導言1 0.1什麼是神經網絡1 0.2人類[0大0]腦4 0.3神經元模型7 0.4被看作有嚮圖的神經網絡10 0.5反饋11 0.6網絡結構13 0.7[0知0]識錶示14 0.8[0學0]習過程20 0.9[0學0]習任務22 0.10結束語27 注釋和參考文獻27 [0第0]1章Rosenblatt感[0知0]器28 1.1引言28 1.2感[0知0]器28 1.3感[0知0]器收斂定理29 1.4高斯環境下感[0知0]器與貝葉斯分類器的關係33 1.5計算 [1機1] 實驗:模式分類36 1.6批量感[0知0]器算[0法0]38 1.7小結和討論39 注釋和參考文獻39 習題40 [0第0]2章通過迴歸建立模型28 2.1引言41 2.2綫性迴歸模型:初步考慮41 2.3參數嚮量的[0大0]後驗估計42 2.4正則小二乘估計和MAP估計之間的關係46 2.5計算 [1機1] 實驗:模式分類47 2.6小描述長度原則48 2.7固定樣本[0大0]小考慮50 2.8工具變量方[0法0]53 2.9小結和討論54 注釋和參考文獻54 習題55 [0第0]3章小均方算[0法0]56 3.1引言56 3.2LMS算[0法0]的濾波結構56 3.3無約束[0優0]化:迴顧58 3.4維納濾波器61 3.5小均方算[0法0]63 3.6用馬爾可夫模型來描畫LMS算[0法0]和維納濾波器的偏差64 3.7朗之萬方程:布朗運動的特點65 3.8Kushner直接平均[0法0]66 3.9小[0學0]習率參數下統計LMS[0學0]習理論67 3.10計算 [1機1] 實驗Ⅰ:綫性預測68 3.11計算 [1機1] 實驗Ⅱ:模式分類69 3.12LMS算[0法0]的[0優0]點和局限71 3.13[0學0]習率退火方案72 3.14小結和討論73 注釋和參考文獻74 習題74 [0第0]4章多層感[0知0]器77 4.1引言77 4.2一些預備[0知0]識78 4.3批量[0學0]習和在綫[0學0]習79 4.4反嚮傳播算[0法0]81 4.5異或問題89 4.6改善反嚮傳播算[0法0]性能的試探[0法0]90 4.7計算 [1機1] 實驗:模式分類94 4.8反嚮傳播和微分95 4.9Hessian矩陣及其在在綫[0學0]習中的規則96 4.10[0學0]習率的[0優0]退火和自適應控製98 4.11泛化102 4.12函數逼近104 4.13交叉驗證107 4.14復雜度正則化和網絡修剪109 4.15反嚮傳播[0學0]習的[0優0]點和局限113 4.16作為[0優0]化問題看待的監督[0學0]習117 4.17捲積網絡126 4.18非綫性濾波127 4.19小規模和[0大0]規模[0學0]習問題131 4.20小結和討論136 注釋和參考文獻137 習題138 [0第0]5章核方[0法0]和徑嚮基函數網絡144 5.1引言144 5.2模式可分性的Cover定理144 5.3插值問題148 5.4徑嚮基函數網絡150 5.5K-均值聚類152 5.6[0[0權0]0]嚮量的遞歸小二乘估計153 5.7RBF網絡的混閤[0學0]習過程156 5.8計算 [1機1] 實驗:模式分類157 5.9高斯隱藏單元的解釋158 5.10核迴歸及其與RBF網絡的關係160 5.11小結和討論162 注釋和參考文獻164 習題165 [0第0]6章支持嚮量 [1機1] 168 6.1引言168 6.2綫性可分模式的[0優0][0超0]平麵168 6.3不可分模式的[0優0][0超0]平麵173 6.4使用核方[0法0]的支持嚮量 [1機1] 176 6.5支持嚮量 [1機1] 的設計178 6.6XOR問題179 6.7計算 [1機1] 實驗:模式分類181 6.8迴歸:魯棒性考慮184 6.9綫性迴歸問題的[0優0]化解184 6.10錶示定理和相關問題187 6.11小結和討論191 注釋和參考文獻192 習題193 [0第0]7章正則化理論197 7.1引言197 7.2良態問題的Had [a0m0a0] rd條件198 7.3Tikho[0no0]v正則化理論198 7.4正則化網絡205 7.5廣義徑嚮基函數網絡206 7.6再論正則化小二乘估計209 7.7對正則化的附加要點211 7.8正則化參數估計212 7.9半監督[0學0]習215 7.10流形正則化:初步的考慮216 7.11可微流形217 7.12廣義正則化理論220 7.13光譜圖理論221 7.14廣義錶示定理222 7.15拉普拉斯正則化小二乘算[0法0]223 7.16用半監督[0學0]習對模式分類的實驗225 7.17小結和討論227 注釋和參考文獻228 習題229 [0第0]8章主分量分析232 8.1引言232 8.2自組織原則232 8.3自組織的特徵分析235 8.4主分量分析:擾動理論235 8.5基於Hebb的[0大0]特徵濾波器241 8.6基於Hebb的主分量分析247 8.7計算 [1機1] 實驗:圖像編碼251 8.8核主分量分析252 8.9自然圖像編碼中的基本問題256 8.10核Hebb算[0法0]257 8.11小結和討論260 注釋和參考文獻262 習題264 [0第0]9章自組織映射268 9.1引言268 9.2兩個基本的特徵映射模型269 9.3自組織映射270 9.4特徵映射的性質275 9.5計算 [1機1] 實驗Ⅰ:利用SOM解網格動力[0學0]問題280 9.6上下文映射281 9.7分層嚮量量化283 9.8核自組織映射285 9.9計算 [1機1] 實驗Ⅱ:利用核SOM解點陣動力[0學0]問題290 9.10核SOM和相對熵之間的關係291 9.11小結和討論293 注釋和參考文獻294 習題295 [0第0]10章信息論[0學0]習模型299 10.1引言299 10.2熵300 10.3[0大0]熵原則302 10.4互信息304 10.5相對熵306 10.6係詞308 10.7互信息作為[0優0]化的目標函數310 10.8[0大0]互信息原則311 10.9[0大0]互信息和冗餘減少314 10.10空間相乾特徵316 10.11空間非相乾特徵318 10.12[0獨0]立分量分析320 10.13自然圖像的稀疏編碼以及與ICA編碼的比較324 10.14[0獨0]立分量分析的自然梯度[0學0]習326 10.15[0獨0]立分量分析的[0大0]似然估計332 10.16盲源分離的[0大0]熵[0學0]習334 10.17[0獨0]立分量分析的負熵[0大0]化337 10.18相關[0獨0]立分量分析342 10.19速率失真理論和信息瓶頸347 10.20數據的[0優0]流形錶達350 10.21計算 [1機1] 實驗:模式分類354 10.22小結和討論354 注釋和參考文獻356 習題361 [0第0]11章植根於統計力[0學0]的隨 [1機1] 方[0法0]366 11.1引言366 11.2統計力[0學0]367 11.3馬爾可夫鏈368 11.4Metropolis算[0法0]374 11.5模擬退火375 11.6Gibbs抽樣377 11.7Boltzmann [1機1] 378 11.8logistic信度網絡382 11.9深度信度網絡383 11.10確定性退火385 11.11和EM算[0法0]的類比389 11.12小結和討論390 注釋和參考文獻390 習題392 [0第0]12章動態規劃396 12.1引言396 12.2馬爾可夫決策過程397 12.3Bellman[0優0]準則399 12.4策略迭代401 12.5值迭代402 12.6逼近動態規劃:直接[0法0]406 12.7時序差分[0學0]習406 12.8Q[0學0]習410 12.9逼近動態規劃:非直接[0法0]412 12.10小二乘策略[0評0]估414 12.11逼近策略迭代417 12.12小結和討論419 注釋和參考文獻421 習題422 [0第0]13章神經動力[0學0]425 13.1引言425 13.2動態係統426 13.3平衡狀態的穩定性428 13.4吸引子432 13.5神經動態模型433 13.6作為遞歸網絡範例的吸引子操作435 13.7Hopfield模型435 13.8Cohen-Grossberg定理443 13.9盒中腦狀態模型445 13.10奇異吸引子和混沌448 13.11混沌過程的動態重構452 13.12小結和討論455 注釋和參考文獻457 習題458 [0第0]14章動態係統狀態估計的貝葉斯濾波461 14.1引言461 14.2狀態空間模型462 14.3卡爾曼濾波器464 14.4發散現象及平方根濾波469 14.5擴展的卡爾曼濾波器474 14.6貝葉斯濾波器477 14.7數值積分卡爾曼濾波器:基於卡爾曼濾波器480 14.8粒子濾波器484 14.9計算 [1機1] 實驗:擴展的卡爾曼濾波器和粒子濾波器對比[0評0]價490 14.10[0大0]腦功能建模中的 卡爾曼濾波493 14.11小結和討論494 注釋和參考文獻496 習題497 [0第0]15章動態驅動遞歸網絡501 15.1引言501 15.2遞歸網絡體係結構502 15.3通用逼近定理505 15.4可控性和可觀測性507 15.5遞歸網絡的計算能力510 15.6[0學0]習算[0法0]511 15.7通過時間的反嚮傳播512 15.8實時遞歸[0學0]習515 15.9遞歸網絡的消失梯度519 15.10利用非綫性逐次狀態估計的遞歸網絡監督[0學0]習框架521 15.11計算 [1機1] 實驗:Mackay-Glass吸引子的動態重構526 15.12自適應考慮527 15.13實例[0學0]習:應用於神經控製的模型參考529 15.14小結和討論530 注釋和參考文獻533 習題534 參考文獻538 |