神经网络设计方法与实例分析【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

神经网络设计方法与实例分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　神经网络模型评估及选择1

1.1　神经网络的泛化能力［1-3］1

1.2　神经网络预测模型的一般描述［2,3］2

1.3 研究神经网络泛化能力的理论基础［2-6］3

1.3.1 经验风险最小化原则3

1.3.2 结构风险最小化原则4

1.3.3 偏差-方差分解5

1.4 影响神经网络的泛化能力的具体因素［2-5］6

1.4.1 神经网络具有泛化能力的基本必要条件7

1.4.2 噪声的影响7

1.4.3 “欠拟合”和“过拟合”8

1.5 提高神经网络的泛化能力的方法［4,6］9

1.5.1 模型结构选择9

1.5.2 训练集扩展方法11

1.5.3 提前停止12

1.5.4 权值衰减12

1.5.5 贝叶斯学习13

1.5.6 神经网络集成［7-14］14

1.6 神经网络模型的评估与选择［4-6,15］17

1.6.1 神经网络模型的评估17

1.6.2 神经网络模型的选择18

本章参考文献22

第2章 基于BP算法的多层感知器的设计与应用23

2.1 基于BP算法的多层感知器网络工作原理与主要特点［1-6］23

2.1.1 基于BP算法的多层前馈网络模型23

2.1.2 BP学习算法25

2.1.3 BP算法的程序实现27

2.1.4 标准BP算法的改进28

2.2 基于BP算法的多层前馈网络设计基础［1-6］29

2.2.1 网络信息容量与训练样本数30

2.2.2 训练样本集的准备30

2.2.3 初始权值的设计34

2.2.4 多层前馈网结构设计34

2.2.5 网络训练与测试36

2.3 基于BP算法的多层前馈网络应用与设计实例37

2.3.1 基于BP算法的多层前馈网络在催化剂配方建模中的应用［8］37

2.3.2 基于BP算法的多层前馈网络在城市年用水量预测中的应用［9］38

2.3.3 基于BP算法的多层前馈网络在煤与瓦斯突出预测中的应用［10］41

2.3.4 基于BP算法的多层前馈网络在磨煤机料位监测中的应用［11］45

2.3.5 基于BP算法的多层前馈网络在道路安全评价中的应用［12］48

2.3.6 基于BP算法的多层前馈网络在项目投资风险评价中的应用［13］54

2.3.7 基于BP算法的多层前馈网络在大气环境质量评价中的应用［14］56

2.3.8 基于BP网络集成的除草剂定量构效关系模型［15,16］66

2.3.9 基于BP网络集成的物流中心选址模型［17］70

本章参考文献75

第3章 径向基函数神经网络的设计与应用77

3.1 径向基函数网络原理与学习算法［1］77

3.1.1 正则化RBF网络原理与学习算法77

3.1.2 广义RBF网络原理与学习算法80

3.2 RBF网络的设计要点［2］83

3.2.1 随机选取RBF中心83

3.2.2 自组织学习选取RBF中心及网络设计83

3.2.3 有监督学习选取RBF中心及网络设计84

3.2.4 正交最小二乘（OLS）法选取RBF中心及网络设计84

3.2.5 递归最小二乘（OLS）法选取RBF中心及网络设计84

3.2.6 其他方法85

3.2.7 RBF网络与多层感知器的特点与设计比较85

3.3 RBF网络的应用实例86

3.3.1 RBF网络在液化气销售量预测中的应用［3］86

3.3.2 RBF网络在地表水质评价中的应用［4］86

3.3.3 RBF网络在汽油干点软测量中的应用［5］88

3.3.4 RBF网络在地下温度预测中的应用［6］89

3.3.5 RBF网络在工程车辆自动变速控制中的应用［7］92

3.3.6 RBF网络在人脸年龄估计中的应用［8］95

3.3.7 RBF网络在专利发展趋势预测中的应用［9］97

3.3.8 RBF网络在图像融合中的应用［10］100

3.3.9 RBF网络红外光谱法用于中药大黄样品的真伪分类［11］104

3.3.10 RBF网络在船用柴油机智能诊断中的应用［12］106

3.3.11 RBF网络在多级入侵检测中的应用［13］109

本章参考文献112

第4章 SOFM网络设计与应用113

4.1 SOFM网络原理与学习算法［1］113

4.2 SOFM网络的设计基础［1］115

4.2.1 输出层设计115

4.2.2 权值初始化问题116

4.2.3 优胜邻域Nj*（t）的设计117

4.2.4 学习率η（t）的设计117

4.3 应用与设计实例117

4.3.1 SOFM网络用于皮革外观效果分类［2］117

4.3.2 SOFM网络用于物流中心城市分类评价［3］119

4.3.3 SOFM网络用于遥感影像分类［4］121

4.3.4 SOFM网络用于火焰燃烧诊断［5］123

4.3.5 SOFM网络在防火树种分类中的应用［6］125

4.3.6 SOFM在基于汉字与部件聚类的汉字认知建模中的应用［7］128

4.3.7 SOFM网络在膨胀土分类中的应用［8］132

4.3.8 SOFM网络在水电厂技术供水系统故障诊断中的应用［9］136

4.3.9 SOFM网络在不同地区人力资本构成分析中的应用［10］141

本章参考文献144

第5章 LVQ网络设计与应用146

5.1 LVQ网络原理与学习算法［1］146

5.1.1 LVQ网络工作原理146

5.1.2 LVQ网络的学习算法147

5.2 LVQ网络设计要点［1］149

5.2.1　竞争层设计149

5.2.2　权值初始化问题150

5.2.3　学习率η（t）的设计151

5.3　应用与设计实例151

5.3.1 LVQ网络在证券投资基金分类中的应用［2］151

5.3.2 LVQ网络在探地雷达探雷中的应用［3］153

5.3.3 LVQ网络在苹果等级判别中的应用［4］154

5.3.4 LVQ网络在胃癌组织样品分类识别中的应用［5］157

5.3.5 LVQ网络在液压系统故障诊断中的应用［6］159

5.3.6 LVQ网络在汽车信贷客户分类中的应用研究［7］161

5.3.7　LVQ网络在土地利用／覆盖变化探测中的应用［8］162

5.3.8　LVQ网络在周期信号识别方面的扩展应用［9］165

本章参考文献168

第6章　对偶传播神经网络169

6.1 网络运行原理及学习算法［1］169

6.1.1 网络结构及运行原理169

6.1.2　CPN的学习算法170

6.2　CPN网的设计与改进［1］172

6.2.1 CPN网的设计要点172

6.2.2　改进的CPN网172

6.3　CPN网的应用173

6.3.1 CPN网在烤烟烟叶颜色模式分类中的应用［1］173

6.3.2　CPN网络的水电机组振动故障诊断中的应用［2］174

6.3.3　CPN网络在博士学位论文质量评估中的应用［3］176

6.3.4 CPN网在人脸识别中的应用［4］178

6.3.5 CPN网络在时间序列预测问题中的应用［5］180

6.3.6　CPN网络在棉花异性纤维识别中的应用［6］182

本章参考文献184

第7章　ART网络设计及应用185

7.1　ART网络原理与算法［1-4］185

7.1.1 ART网络的主要特点185

7.1.2　ARTⅠ型网络原理与算法185

7.1.3　ARTⅡ型网络原理与算法188

7.2　ART网络设计与改进［1-4］190

7.2.1　设计要点——警戒门限的选择190

7.2.2　几种改进算法191

7.3　ART网络应用实例193

7.3.1 ARTⅠ型网络在故障诊断中的应用193

7.3.2　ARTⅠ型网络在垃圾邮件过滤中的应用［7］195

7.3.3 ARTⅠ型网络在中文文档分类中的应用［8］197

7.3.4 ARTⅡA-E型网络在指纹识别中的应用［9］197

7.3.5　ARTⅡ型网络在压力容器焊缝超声波探伤中的应用［10］200

7.3.6 变形ART网络的应用201

本章参考文献205

第8章　Hopfield网络的设计与应用207

8.1　离散型Hopfield网络［1］207

8.1.1　离散型Hopfield网络工作原理207

8.1.2　网络的权值设计209

8.2　连续型Hopfield网络［1］210

8.3　Hopfield网络应用实例212

8.3.1 DHNN网络在杭州西湖富营养化分类中的应用［2］212

8.3.2　DHNN在数字水印算法中的应用［3,4］215

8.3.3 DHNN在信用风险评价中的应用［5］218

8.3.4 CHNN网解决TSP优化计算问题［1］221

8.3.5 CHNN网络在原料混匀中的应用［6］225

8.3.6 CHNN在经济负荷分配中的应用［7］228

本章参考文献231

第9章 时序递归网络的设计与应用232

9.1　递归网络常用模型232

9.1.1　输入输出递归网络通用模型［1］232

9.1.2　Elman网络模型233

9.1.3　递归多层感知器模型234

9.2　递归网络的学习算法［1］234

9.2.1　历时反向传播学习算法235

9.2.2　实时递归学习算法237

9.3　递归网络的应用实例239

9.3.1 NARX网络在系统辨识中的应用［2］239

9.3.2　E1man网络在股票价格预测中的应用［3］241

9.3.3　Elman网络在故障诊断中的应用［4］243

9.3.4　Elman网络集成在诺西肽发酵过程建模中的应用［5］245

9.3.5　递归神经网络在化工动态系统建模中的应用［6,7］247

9.3.6　递归神经网络在非线性预测语音编码中的应用［8］250

本章参考文献252

第10章　CMAC网络的设计与应用253

10.1 CMAC网络工作原理与设计要点［1］253

10.2 CMAC网络的学习算法258

10.3　CMAC网络应用实例258

10.3.1 CMAC网络在板厚控制系统中的应用［2］259

10.3.2　CMAC网络在机器人的手臂协调控制中的应用［3］261

10.3.3 CMAC网络在短期电价预测中的应用［4］263

10.3.4 CMAC网络在系统辨识中的应用［5］266

10.3.5　CMAC网络在温度传感器校正中的应用［6］268

10.3.6 CMAC网络在变压器故障诊断中的应用［7］271

本章参考文献274

第11章　支持向量机的设计与应用275

11.1 支持向量机的基本思想和构建［1,2］275

11.1.1 最优超平面的概念和构建275

11.1.2　支持向量机的基本原理278

11.1.3　支持向量机用于多分类问题280

11.1.4　支持向量机用于回归问题281

11.2　支持向量机的学习算法［1,2］282

11.3 支持向量机的特点及影响因素［2,3］284

11.3.1 支持向量机的特点284

11.3.2 支持向量机的影响因素285

11.4 支持向量机设计的应用实例286

11.4.1 用SVM解决XOR问题［1］286

11.4.2 SVM在手写体数字识别中的应用［3］289

11.4.3 支持向量机在混合气体种类光谱识别中的应用［4］292

11.4.4 支持向量机在高速公路车流量预测中的应用［5］296

11.4.5 基于SVM的沙尘暴预测模型［6］298

11.4.6 SVM在人耳识别中的应用［7］300

11.4.7 SVM在锅炉燃烧工况识别中的应用［8］302

11.4.8 SVM在烤烟烟叶生长部分判别中的应用［9］304

本章参考文献305

第12章 人工神经元网络设计开发平台307

12.1 MATLAB神经网络工具箱函数及其应用［1,2］307

12.1.1 感知器神经网络工具箱函数307

12.1.2 线性神经网络工具箱函数312

12.1.3 BP神经网络工具箱函数317

12.1.4 径向基神经网络工具箱函数325

12.1.5 自组织神经网络工具箱函数329

12.1.6 学习向量量化（LVQ）神经网络工具箱函数337

12.1.7 Elman神经网络工具箱函数340

12.1.8 Hopfield神经网络工具箱函数345

12.2 基于MATLAB Simulink的神经网络控制［3］348

12.2.1 控制系统模型分类348

12.2.2 系统设计过程349

12.2.3 神经网络预测控制系统实例349

12.3 其他几种神经网络开发环境介绍［4-13］358

12.3.1 神经网络软件NeuroSolutions358

12.3.2 神经网络软件NeuralWorks ProfessionalⅡ/PLUS V 5.5359

12.3.3 神经网络软件LmNet PF360

12.3.4 Plexi神经网络开发环境360

12.3.5 Neuroshell神经网络开发环境360

12.3.6 NETSETⅡ神经网络开发环境361

12.3.7 N-NET210神经网络开发环境361

12.3.8 CaseNet神经网络开发环境361

12.3.9 FS-Neuro神经网络开发平台361

12.3.10 金自天正人工神经元网络开发平台软件V1.0362

本章参考文献362