内容简介：
本书主要讲述神经网络的基本概念，介绍实用的网络模型、学习规则和训练方法。全书分19章，内容涵盖神经元模型和网络结构、感知机学习规则、有监督的Hebb学习、Widrow—Hoff学习算法、反向传播算法及其变形、联想学习、竞争网络、Grossberg网络、自适应谐振理论和Hopfield网络。书中注重对数学分析方法和性能优化的讨论，强调神经网络在模式识别、信号处理以及控制系统等实际工程问题中的应用。同时本书包含大量例题、习题，并配有基于MATLAB软件包的“神经网络设计演示”程序。本书可以作为大学高年级本科生或一年级研究生的神经网络课程教材，也可供从事相关研究工作的科技人员参考。
目录:
出版者的话
专家委员会
译者序
前言
第1章 绪论
第2章 神经元模型和网络结构
第3章 一个说明性实例
第4章 感知机学习规则
第5章 信号和权值向量空间
第6章 神经网络中的线性变换
第7章 有监督的Hebb学习
第8章 性能曲面和最优点
第9章 性能优化
第10章 Widrow-Hoff学习算法
第11章 反向传播
第12章 反向传播算法的变形
第13章 联想学习
第14章 竞争网络
第15章 Grossberg网络
第16章 自适应谐振理论
第17章 稳定性
第18章 Hopfield网络
第19章 结束语
附录A 文献目录
附录B 符号
附录C 软件
索引
下载体验