具体描述
《人工神经网络与模拟进化计算》较系统全面地讨论了人工神经网络与模拟进化计算的理论和工程应用,特别在学习理论和网络结构选择、动态神经网络、贝叶斯方法的应用以及模拟进化计算中的一些理论问题等方面的论述更为系统深入。讲解中力求讲清物理概念,以便读者深入理解一些主要方法的思路。
第2版加强了关于统计学习理论、核方法与支持向量机、自组织网络的灵活应用,盲信号处理等方面的内容;增加了神经网络在生物信息学和金融方面应用的实例,以及最近的一些参考文献,以便反映这一领域的新进展;为了便于掌握主要内容,对章节顺序也做了调整,模拟进化计算部分增加了分布估计算法一章。
作者简介
目录信息
1.1神经网络的发展与应用1
1.2人工神经元模型2
1.3用有向图表示神经网络4
1.4网络结构及工作方式5
1.5NN的学习7
1.5.1学习方式7
1.5.2学习算法7
1.5.3学习与自适应9
习题9
参考文献10
第2章前馈网络11
2.1线性阈值单元11
2.1.1用线性阈值单元实现布尔函数11
2.1.2线性可分性12
2.1.3n维欧氏空间中m个点上可实现的线性可分函数的个数13
2.2多层前馈网络的计算能力及函数逼近15
2.3感知器的学习算法17
2.4反向传播学习算法19
2.5改进反向传播算法收敛速度的措施26
2.5.1加入动量项26
2.5.2高阶导数的利用27
2.5.3共轭梯度法27
2.5.4递推最小二乘法28
2.5.5神经元空间搜索法28
2.5.6一些其他措施30
2.6多层前馈网络作用的分析31
2.6.1线性网络32
2.6.2非线性情况33
2.7应用举例34
习题45
参考文献48
第3章径向基函数网络51
3.1φ可分性51
3.2函数逼近与内插52
3.3正规化理论53
3.4RBF网络的学习60
3.5RBF网络的一些变形63
3.6CMAC网络64
3.6.1模型结构64
3.6.2工作原理分析66
3.6.3学习算法69
3.7概率神经网络70
3.8小波网络71
3.9泛函连接网络72
3.10新一代神经元模型及其计算能力的研究74
3.10.1布尔函数的计算75
3.10.2连续输入的情况75
· · · · · · (收起)
读后感
用户评价
我是一名跨学科的研究者,主要关注的是认知科学和人工智能的交叉领域。长期以来,我一直在寻找能够连接人类认知过程和计算模型之间的桥梁。《人工神经网络与模拟进化计算》这本书的出现,无疑给我带来了极大的启发。它不仅详细介绍了人工神经网络的原理,更重要的是,它从进化的视角来审视这些计算模型,探讨了它们在模拟人类学习、决策和适应性行为方面的潜力。书中对模拟进化计算的深入剖析,让我看到了自然选择和优胜劣汰的思想在构建智能系统中的应用价值。例如,作者在讨论进化策略时,将自然界中生物进化的过程与算法的迭代优化过程进行了类比,这让我深刻理解了“适者生存”这一概念在算法设计中的体现。我非常欣赏书中这种宏观的视角,它不仅仅是教授技术,更是在引导读者思考智能的本质。
作为一名资深的软件开发人员,我一直对如何构建更具智能和适应性的系统感到着迷。近年来,人工智能技术的发展日新月异,但我总觉得缺乏一本能够系统性地梳理这些技术的书籍。《人工神经网络与模拟进化计算》这本书,正是我一直在寻找的那一本。它以一种非常务实的方式,将人工神经网络和模拟进化计算这两大热门技术进行了有机整合。书中对神经网络模型的讲解,无论是理论层面还是工程实践层面,都做到了详尽的阐述,让我对各种主流网络结构有了清晰的认识。同时,它对模拟进化计算的介绍,也让我明白了如何利用这些“自然启发式”的算法来解决实际的工程问题,比如参数调优、特征选择等。书中提供的代码示例和实验结果,更是让我能够快速上手,将书中的知识转化为实际的应用,这对于我来说,具有极高的价值。
这本《人工神经网络与模拟进化计算》的封面设计简洁大气,书名醒目,第一时间就吸引了我。作为一名对人工智能领域充满好奇的学生,我一直想找到一本既有深度又不失趣味性的入门读物。翻开这本书,我立刻被其清晰的逻辑和流畅的语言所吸引。作者并没有一开始就抛出晦涩难懂的专业术语,而是循序渐进地引导读者进入神经网络的世界。从基本概念的解释,如神经元的结构、激活函数的作用,到各种经典网络模型的介绍,如感知机、多层感知机、卷积神经网络,每一步都讲解得非常细致。我尤其喜欢书中通过大量生动形象的比喻来解释抽象概念的方式,比如将神经元比作大脑中的神经细胞,将网络的训练比作学习过程,这些都大大降低了理解门槛。而且,书中还穿插了不少实际应用的案例,让我对神经网络的强大能力有了更直观的认识,例如在图像识别、自然语言处理等领域的应用,这让我对接下来的学习充满了期待。
我是一名对前沿科学有着强烈求知欲的业余爱好者,对那些能够解释世界运行规律的理论和模型总是充满兴趣。偶然间,我在书架上发现了《人工神经网络与模拟进化计算》这本厚重的书籍。虽然我不是计算机专业的学生,但书中的内容却以一种出人意料的亲切感吸引了我。作者在介绍人工神经网络时,并没有一味地强调数学公式,而是着重于解释其背后的思想和工作原理,让我能够理解信息是如何在网络中传递和处理的。而当读到模拟进化计算的部分时,我更是感觉打开了一个新世界。将生物进化的原理应用到计算中,这种跨界的思维让我耳目一新。书中对遗传算法、模拟退火等算法的讲解,虽然涉及一些数学概念,但都被解释得非常清晰易懂,让我体会到了大自然智慧的魅力。这本书让我觉得,原来复杂的人工智能技术,也可以如此引人入胜。
坦白说,我是一名对计算科学有着浓厚兴趣的工程师,工作中也经常会遇到需要优化和搜索的问题。当我在书店偶然看到《人工神经网络与模拟进化计算》时,立刻被“模拟进化计算”这个词吸引住了。我之前对遗传算法、粒子群优化等概念有所了解,但一直觉得它们与神经网络之间似乎存在某种联系,却又不得其法。这本书恰恰填补了我的知识空白。它深入浅出地介绍了模拟进化计算的核心思想,包括种群、选择、交叉、变异等基本操作,并且详细阐述了如何将这些算法应用于解决复杂的优化问题。更令我惊喜的是,书中将神经网络和模拟进化计算进行了巧妙的结合,探讨了如何利用进化算法来优化神经网络的结构和参数,这为解决一些传统方法难以攻克的难题提供了全新的思路。书中给出的算法伪代码和数学推导也非常严谨,让我能够深入理解其内在机制,为我今后的研究和实践提供了宝贵的参考。
已购
已购
暂时只看的了支持向量机的那一节,图和表都是其他书上copy的—_—|||
已购
已购