人工神经网络与模拟进化计算作者： 阎平凡 等编著
出 版 社：清华大学出版社
出版时间： 2005-9-1
字数： 977000
版次： 2
页数： 639
纸张： 胶版纸
I S B N ： 9787302106630
包装： 平装
所属分类： 图书 >> 计算机/网络 >>人工智能
定价：￥49.00
内容提要
本书较系统全面地讨论了人工神经网络与模拟进化计算的理论和工程应用，特别在学习理论和网络结构选择、动态神经网络、贝叶斯方法的应用以及模拟进化计算中的一些理论问题等方面的论述更为系统深入。讲解中力求讲清物理概念，以便读者深入理解一些主要方法的思路。
第2版加强了关于统计学习理论、核方法与支持向量机、自组织网络的灵活应用，盲信号处理等方面的内容;增加了神经网络在生物信息学和金融方面应用的实例，以及最近的一些参考文献，以便反映这一领域的新进展;为了便于掌握主要内容，对章节顺序也做了调整,模拟进化计算部分增加了分布估计算法一章。
本书适合用作研究生课程教材，或作为希望深入学习神经网络和进化计算的科技工作者的自学参考书。
作者简介
阎平凡，清华大学自动化系教授，博士生导师。1955年毕业于清华大学电机系。著有《神经网络与模糊控制》、翻译《神经网络理论》（译自俄文），发表学术论文50余篇。
目录
第1章 绪论1
1.1神经网络的发展与应用1
1.2人工神经元模型2
1.3用有向图表示神经网络4
1.4网络结构及工作方式5
1.5NN的学习7
1.5.1学习方式7
1.5.2学习算法7
1.5.3学习与自适应9
习题9
参考文献10
第2章 前馈网络11
2.1线性阈值单元11
2.1.1用线性阈值单元实现布尔函数11
2.1.2线性可分性12
2.1.3n维欧氏空间中m个点上可实现的线性可分函数的个数13
2.2多层前馈网络的计算能力及函数逼近15
2.3感知器的学习算法17
2.4反向传播学习算法19
前言
自本书（第1版）出版以来，神经网络和模拟进化计算又有了很大发展。特别是统计学习理论和核方法的引入，使得对学习问题的研究更加深入和系统化。同时，应用领域也不断扩展。在第2版中主要做了如下修改： 1. 较系统地介绍了统计学习理论、核方法与支持向量机。除必要的数学推导外，力求讲清楚物理概念及与其他方法的联系。加强了对自组织映射的分析和独立成分分析的讨论。 2. 增加了一章“分布估计算法”，该算法是对遗传算法的发展，也是进化计算的一个重要组成部分。该章讲述中强调方法的系统性以及各种方法之间的联系。 3. 根据目前各种模型的发展及应用情况，对章节顺序作了一些调整，并增加了一些在生物..
