包郵神經網絡與機器學習(原書第3版)|197697 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁

加 Simon Haykin 著，申富饒徐燁鄭俊譯

下載链接在页面底部

點擊這裡下載

想要找書就要到圖書大百科

book.teaonline.club

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2024-11-13

類似圖書點擊查看全場最低價

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

圖書介紹

店鋪：互動創新圖書專營店

齣版社：機械工業齣版社

ISBN：9787111324133

商品編碼：27160239077

叢書名：計算機科學叢書

齣版時間：2011-03-01

頁數：572

圖書描述

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。

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

包郵神經網絡與機器學習(原書第3版)|197697 下載 mobi epub pdf txt 電子書格式