神經(jīng)網(wǎng)絡(luò)是計算智能和機器學習研究的最活躍的分支之一。本書全面系統(tǒng)地介紹神經(jīng)網(wǎng)絡(luò)的基本概念，系統(tǒng)理論和實際應(yīng)用。
本書包含四個組成部分：導(dǎo)論，監(jiān)督學習，無監(jiān)督學習，神經(jīng)網(wǎng)絡(luò)動力學模型。導(dǎo)論部分介紹神經(jīng)元模型、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和機器學習的基本概念和理論。監(jiān)督學習討論感知機學習規(guī)則，有監(jiān)督的Hebb學習，學習算法，反向傳播算法及其變形，RBF網(wǎng)絡(luò)，正規(guī)化網(wǎng)絡(luò)、支持向量機以及委員會機器。無監(jiān)督學習包括主分量分析，自組織特征映射模型的競爭學習形式，無監(jiān)督學習的信息理論，植根于統(tǒng)計力學的隨機學習機器，最后是與動態(tài)規(guī)劃相關(guān)的增強式學習。神經(jīng)網(wǎng)絡(luò)動力學模型研究由短期記憶和分層前饋網(wǎng)絡(luò)構(gòu)成的動態(tài)系統(tǒng)，反饋非線性動態(tài)系統(tǒng)性的穩(wěn)定性和聯(lián)想記憶，以及另一類非線性動態(tài)驅(qū)動的遞歸網(wǎng)絡(luò)系統(tǒng)。
縮寫和符號
第一章導(dǎo)言
第二章學習過程
第三章單層感知器
第四章多層感知器
第五章徑向基函數(shù)網(wǎng)絡(luò)
第六章支持向量機
第七章委員會機器
第八章主分量分析
第九章自組織映射
第十章信息論模型
第十一章植根于統(tǒng)計力學的隨機機器和它們的逼近
第十二章神經(jīng)動態(tài)規(guī)劃
第十三章使用前饋網(wǎng)絡(luò)的時序處理
第十四章神經(jīng)動力學
第十五章動態(tài)驅(qū)動的遞歸網(wǎng)絡(luò)
后記
參考文獻
索引