人工神经网络实用教程 (2009 年度畅销榜NO.20230 )

本书系统地介绍了人工神经网络典型模型的原理、算法，并对遗传算法的基本原理也作了简单介绍。全\r\n\r\n书共分九章，内容包括：概述、人工神经网络基本模型、BP网络(误差反向传播算法)、Hopfield网络模型、Boltz-mann机、自组织神经网络模型、联想记忆模型、CMAC模型、遗传算法原理。为了方便读者在运用神经网络方法求解实际问题时的需要，在书中的附录中分别给出了：人工神经网络研究中的一些常用数学方法、用C语\r\n\r\n言编写的一些神经网络模型和遗传算法的源程序，供读者参考。\r\n\r\n 人工神经网络方法已在许多领域获得成功运用。本书是为以应用为主要目的的各专业研究生和高年级本科生编写的教材，也可供从事人工智能、信息处理研究和应用的科技人员学习参考。\r\n
\r\n

第1章 概述 \r\n\r\n 1. 1 人工神经网络研究与发展 \r\n\r\n 1. 2 生物神经元 \r\n\r\n 1. 3 人工神经网络的构成 \r\n\r\n 1. 4 人工神经网络(1943-1992)的主要研究工作 \r\n\r\n \r\n\r\n 第2章 人工神经网络基本模型 \r\n\r\n 2. 1 MP模型 \r\n\r\n 2. 2 感知器模型 \r\n\r\n 2. 3 自适应线性神经元 \r\n\r\n \r\n\r\n 第3章 EBP网络(反向传播算法) \r\n\r\n 3. 1 含隐层的前馈网络的学习规则 \r\n\r\n 3. 2 Sigmoid激发函数下的BP算法 \r\n\r\n 3. 3 BP网络的训练与测试 \r\n\r\n 3. 4 BP算法的改进 \r\n\r\n 3. 5 多层网络BP算法的程序设计 \r\n\r\n \r\n\r\n 第4章 Hopfield网络模型 \r\n\r\n 4. 1 离散型Hopfield神经网络 \r\n\r\n 4. 2 连续型Hopfield神经网络 \r\n\r\n 4. 3 旅行商问题(TSP)的HNN求解 \r\n\r\n \r\n\r\n 第5章 随机型神经网络 \r\n\r\n 5. 1 模拟退火算法 \r\n\r\n 5. 2 Boltzmann机 \r\n\r\n 5. 3 Gaussian机 \r\n\r\n \r\n\r\n 第6章 自组织神经网络 \r\n\r\n 6. 1 竞争型学习 \r\n\r\n 6. 2 自适应共振理论(ART)模型 \r\n\r\n 6. 3 自组织特征映射(SOM)模型 \r\n\r\n 6. 4 CPN模型 \r\n\r\n \r\n\r\n 第7章 联想记忆神经网络 \r\n\r\n 7. 1 联想记忆基本特点 \r\n\r\n 7. 2 线性联想记忆(LAM)模型 \r\n\r\n 7. 3 双向联想记忆BAM模型 \r\n\r\n 7. 4 时间联想记忆TAM模型 \r\n\r\n \r\n\r\n 第8章 CMAC模型 \r\n\r\n 8. 1 CMAC模型 \r\n\r\n 8. 2 CMAC映射算法 \r\n\r\n 8. 3 CMAC的输出计算 \r\n\r\n 8. 4 CMAC控制器模型 \r\n\r\n \r\n\r\n 第9章 遗传算法原理 \r\n\r\n 9. 1 概述 \r\n\r\n 9. 2 遗传算法的工作原理 \r\n\r\n 9. 3 遗传算法的实现步骤 \r\n\r\n 9. 4 遗传算法示范程序 \r\n\r\n \r\n\r\n 附录A 人工神经网络研究中的若干数学方法 \r\n\r\n 附录B 多层前向网络BP算法源程序 \r\n\r\n 附录C Hopfield网络模型源程序 \r\n\r\n 附录D Hopfield模型联想记忆源程序 \r\n\r\n 附录E Hopfield模型求解TSP源程序 \r\n\r\n 附录F Boltzmann机模型源程序 \r\n\r\n 附录G 遗传算法程序 \r\n\r\n 参考文献 \r\n
\r\n

在人们梦想着掌握和获取大脑记忆思维机理的愿望驱使下, 从80年代以来, 人工神经网络的研究吸引着众多的科学工作者, 使得在短期内, 在人工神经网络模型. 拓扑结构. 算法原理. 应用与实现等各方面取得了令人鼓舞的成果. 今天, 人工神经网络方法已不再是专家的“绝活”, 它已被大多数科技工作者认可, 作为某种有效的工具, 得到广泛的推崇. 学习和掌握人工神经网络的基本概念. 原理. 设计和利用神经计算的原理解决应用中的问题, 是很有意义的.

当前, 国内外人工神经网络的研究仍然方兴未艾, 人工神经网络的研究已成为当代人工智能领域最富挑战性和最引人入胜的研究热点.

神经网络的主要特点体现在其具有信息处理的并行性. 分布式的信息存储. 自组织性和自适应性. 具有很强的学习和联想功能以及容错性等. 通过对神经网络的研究, 将会对探索更加完善的智能计算机系统和相应的人工智能技术开辟新的途径.

本书是在作者多年来为浙江大学全校性研究生开设计算机神经网络理论及应用课程的讲义基础上, 结合一些相关研究以及参考国内外有关文献资料撰写的. 书中的大多数内容凝结了许多先行者的研究心血. 本书在综合的基础上, 重点放在神经记忆和计算的思想. 人工神经网络设计概念与方法. 应用中的有效算法等方面, 主要目的是使读者能够在本书的基础上就可得到应用的方法和思路, 而不仅是抽象的理论推导.

本书共分九章, 内容包括：概述. 人工神经网络基本模型. BP网络(误差反向传播算法). Hopfield网络模型. Boltzmann机. 自组织神经网络模型. 联想记忆模型. CMAC模型. 遗传算法原理. 为了方便读者在运用神经网络方法求解实际问题时的需要, 在书中的附录中分别给出了：人工神经网络研究中的一些常用数学方法. 用C

语言编写的一些神经网络模型和遗传算法的源程序, 供读者参考.

由于作者水平所限, 书中错误与遗漏以及不妥之处在所难免, 恳请读者提出批评和指正.

编 者

2000年春于求是园