新書推薦： 《
全彩图说中华典故：彩书馆（16开四色平装）
》 售價：HK$
63.3
《
舌尖上的中国：中华美食的前世今生（生活养生）
》 售價：HK$
51.8
《
相泽沙呼作品集（心灵侦探城塚翡翠+城塚翡翠倒叙集）（共2册）
》 售價：HK$
204.7
《
食光中的论语——孔府菜的美味秘境
》 售價：HK$
78.2
《
全球价值链测度理论、方法与应用--基于投入产出模型
》 售價：HK$
172.5
《
神秘文化与先秦两汉诗学
》 售價：HK$
148.4
《
重大决策社会稳定风险评估指南：理论·方法·案例
》 售價：HK$
147.2
《
俾斯麦与德意志崛起（牛津大学课堂讲义，带你重新审视俾斯麦与德国近代史！德裔英国历史学家埃里克·埃克，用全新的视角，重新为你解读德意志统一的神话！世界历史）
》 售價：HK$
68.8
內容簡介：
本书是关于神经网络的经典教材，完整、详细地讨论了各个主题，且包含了相关的计算机实验。全书共15章，主要内容包括神经网络的定义、Rosenblatt感知器、回归建模、小均方算法、多层感知器、核方法和径向基函数网络、支持向量机、正则化理论、主成分分析、自组织映射、信息论学习模型、源于统计力学的随机方法、动态规划、神经动力学、动态系统状态估计的贝叶斯滤波、动态驱动递归网络。本书适合高等院校计算机、电子信息、软件工程、智能工程等专业的高年级本科生和研究生学习使用，也可供相关领域的技术人员参考。
關於作者：
Simon Haykin（西蒙·赫金），国际电子电气工程界著名学者，加拿大皇家学会院士，IEEE会士，1953年获得英国伯明翰大学博士学位，现任加拿大麦克马斯特大学教授，在麦克马斯特大学校创办了通信研究实验室并长期担任实验室主任。曾获IEEE McNaughton奖，在神经网络、通信、自适应滤波器等领域成果颇丰，著有多种标准教材。Simon Haykin（西蒙·赫金），国际电子电气工程界著名学者，加拿大皇家学会院士，IEEE会士，1953年获得英国伯明翰大学博士学位，现任加拿大麦克马斯特大学教授，在麦克马斯特大学校创办了通信研究实验室并长期担任实验室主任。曾获IEEE McNaughton奖，在神经网络、通信、自适应滤波器等领域成果颇丰，著有多种标准教材。
目錄
第0章 导言 10.1 什么是神经网络 10.2 人脑 60.3 神经元模型 100.4 视为有向图的神经网络 150.5 反馈 180.6 网络架构 210.7 知识表征 240.8 学习过程 340.9 学习任务 380.10小结 45注释和参考文献 46第1章 Rosenblatt感知器 471.1 引言 471.2 感知器 481.3 感知器收敛定理 501.4 高斯环境下感知器与贝叶斯分类器的关系 551.5 计算机实验：模式分类 601.6 批量感知器算法 621.7 小结和讨论 65注释和参考文献 66习题 66第2章 回归建模 682.1 引言 682.2 线性回归模型：初步考虑 692.3 参数向量的后验估计 712.4 正则化小二乘估计和MAP估计的关系 762.5 计算机实验：模式分类 772.6 小描述长度原则 792.7 有限样本量考虑 822.8 辅助变量法 862.9 小结和讨论 88注释和参考文献 89习题 89第3章 小均方算法 913.1 引言 913.2 LMS算法的滤波结构 923.3 无约束优化：综述 943.4 维纳滤波器 1003.5 小均方算法 1023.6 描述LMS算法和维纳滤波器的偏差的马尔可夫模型 1043.7 朗之万方程：布朗运动的特点 1063.8 库什纳直接平均法 1073.9 小学习率参数的统计LMS学习理论 1083.10 计算机实验I：线性预测 1103.11 计算机实验II：模式分类 1123.12 LMS算法的优缺点 1133.13 学习率退火过程 1153.14 小结和讨论 117注释和参考文献 118习题 119第4章 多层感知器 1224.1 引言 1234.2 预备知识 1244.3 批量学习和在线学习 1264.4 反向传播算法 1294.5 异或问题 1414.6 提升反向传播算法性能的启发式方法 1444.7 计算机实验：模式分类 1504.8 反向传播与微分 1534.9 海森矩阵及其对在线学习的作用 1554.10 学习率的退火和自适应控制 1574.11 泛化 1644.12 函数逼近 1664.13 交叉验证 1714.14 复杂度正则化和网络剪枝 1754.15 反向传播学习的优缺点 1804.16 视为优化问题的监督学习 1864.17 卷积网络 2014.18 非线性滤波 2034.19 大小规模学习问题 2094.20 小结和讨论 217注释和参考文献 219习题 221第5章 核方法和径向基函数网络 2305.1 引言 2305.2 模式可分性的Cover定理 2315.3 插值问题 2365.4 径向基函数网络 2395.5 均值聚类 2425.6 权重向量的递归小二乘估计 2455.7 RBF网络的混合学习过程 2495.8 计算机实验：模式分类 2505.9 高斯隐藏单元的说明 2525.10 核回归及其与RBF网络的关系 2555.11 小结和讨论 259注释和参考文献 261习题 263第6章 支持向量机 2686.1 引言 2686.2 线性可分模式的超平面 2696.3 不可分模式的超平面 2766.4 视为核机器的支持向量机 2816.5 构建支持向量机 2846.6 异或问题 2866.7 计算机实验：模式分类 2896.8 回归：鲁棒性考虑 2896.9 线性回归问题的解 2936.10 表示定理和相关问题 2966.11 小结和讨论 302注释和参考文献 304习题 307第7章 正则化理论 3137.1 引言 3137.2 哈达玛适定性条件 3147.3 Tikhonov的正则化理论 3157.4 正则化网络 3267.5 广义径向基函数网络 3277.6 再论正则化小二乘估计 3317.7 关于正则化的其他说明 3357.8 正则化参数估计 3367.9 半监督学习 3427.10 流形正则化：初步考虑 3437.11 可微流形 3457.12 广义正则化理论 3487.13 图谱论 3507.14 广义表示定理 3527.15 拉普拉斯正则化小二乘算法 3547.16 半监督学习的模式分类实验 3567.17 小结和讨论 359注释和参考文献 361习题 363第8章 主成分分析 3678.1 引言 3678.2 自组织原则 3688.3 自组织特征分析 3728.4 主成分分析：微扰理论 3738.5 基于Hebb的特征滤波器 3838.6 基于Hebb的主成分分析 3928.7 案例分析：图像编码 3988.8 核主成分分析 4018.9 自然图像编码的基本问题 4068.10 核Hebb算法 4078.11 小结和讨论 412注释和参考文献 415习题 418第9章 自组织映射 4259.1 引言 4259.2 两个基本特征映射模型 4269.3 自组织映射 4289.4 特征映射的性质 4379.5 计算机实验I：利用SOM求解点阵动力学 4459.6 上下文映射 4479.7 分层向量量化 4509.8 核自组织映射 4549.9 计算机实验II：使用核SOM求解点阵动力学 4629.10 核SOM与KL散度的关系 4649.11 小结和讨论 466注释和参考文献 468习题 470第10章 信息论学习模型 47510.1 引言 47610.2 熵 47710.3 熵原则 48110.4 互信息 48410.5 KL散度 48610.6 Copula函数 48910.7 作为待优化目标函数的互信息 49310.8 互信息原理 49410.9 互信息与冗余减少 49910.10 空间相干特征 50110.11 空间非相干特征 50410.12 独立成分分析 50810.13 自然图像的稀疏编码与ICA编码比较 51410.14 独立成分分析的自然梯度学习 51610.15 独立成分分析的似然估计 52610.16 盲源分离的熵学习 52910.17 独立成分分析的负熵的化 53410.18 相干独立成分分析 54110.19 率失真理论与信息瓶颈 54910.20 数据的流形表示 55310.21 计算机实验：模式分类 56010.22 小结和讨论 561注释和参考文献 564习题 572第11章 源于统计力学的随机方法 57911.1 引言 58011.2 统计力学 58011.3 马尔可夫链 58211.4 Metropolis算法 59111.5 模拟退火 59411.6 吉布斯采样 59611.7 玻尔兹曼机 59811.8 逻辑置信网络 60411.9 深度置信网络 60611.10 确定性退火 61011.11 确定性退火与期望化算法的类比 61611.12 小结和讨论 617注释和参考文献 619习题 621第12章 动态规划 62712.1 引言 62712.2 马尔可夫决策过程 62912.3 贝尔曼性准则 63112.4 策略迭代 63512.5 值迭代 63712.6 近似动态规划：直接法 64212.7 时序差分学习 64312.8 Q学习 64812.9 近似动态规划：间接法 65212.10 小二乘策略评估 65512.11 近似策略迭代 66012.12 小结和讨论 663注释和参考文献 665习题 668第13章 神经动力学 67213.1 引言 67213.2 动力系统 67413.3 平衡状态的稳定性 67813.4 吸引子 68413.5 神经动力学模型 68613.6 作为一个递归网络范式的吸引子操作 68913.7 Hopfield模型 69013.8 Cohen-Grossberg定理 70313.9 盒中脑状态模型 70513.10 奇异吸引子与混沌 71113.11 混沌过程的动态重建 71613.12 小结和讨论 722注释和参考文献 724习题 727第14章 动态系统状态估计的贝叶斯滤波 73114.1 引言 73114.2 状态空间模型 73214.3 卡尔曼滤波器 73614.4 发散现象与平方根滤波 74414.5 扩展卡尔曼滤波器 75014.6 贝叶斯滤波器 75514.7 容积卡尔曼滤波器：基于卡尔曼滤波器 75914.8 粒子滤波器 76514.9 计算机实验：扩展卡尔曼滤波器与粒子滤波器的比较 77514.10 脑功能建模中的卡尔曼滤波 77714.11 小结和讨论 780注释和参考文献 782习题 784第15章 动态驱动递归网络 79015.1 引言 79015.2 递归网络架构 79115.3 逼近定理 79715.4 可控性和可观察性 79915.5 递归网络的计算能力 80415.6 学习算法 80615.7 时间反向传播 80815.8 实时递归学习 81215.9 递归网络中的梯度消失 81815.10 使用非线性序列状态估计的递归网络的监督训练框架 82215.11 计算机实验：Mackay-Glass吸引子的动态重建 82915.12 适应性考虑 83115.13 案例分析：应用于神经网络控制的模型参考 83315.14 小结和讨论 835注释和参考文献 839习题 842参考文献 847
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
