人工神经网络理论及应用

本书从系统到相对独立，在内容的选取和编排上力求重点突出、难点分散、深入浅出、通俗易懂，简化了深奥的理论论述

　　《人工神经网络理论及应用》主要介绍生物神经网络理论基础、人工神经网络概述、人工神经网络数理基础、感知器、BP神经网络、RBF神经网络、ADALINE神经网络、Hopfield神经网络、深度卷积神经网络、生成式对抗网络、Elman神经网络、AdaBoost神经网络、SOFM神经网络、基于Simulink的人工神经网络建模、基于GUI的人工神经网络设计等基本内容，这些内容是进一步掌握人工神经网络发展、理论、实践及应用的基础。
　　《人工神经网络理论及应用》可作为相关专业的本科学生和研究生教材，也可作为人工神经网络理论、实践及应用的工程技术人员的自学和参考用书。

第一篇 人工神经网络基础篇
第1章 生物神经网络理论基础
1．1 生物神经元的结构和功能
1．2 神经系统的电活动
1．3 人脑的信息存储
1．4 人脑与电脑
习题
参考文献
第2章 人工神经网络概述
2．1 人工神经网络发展历程
2．2 人工神经网络特点
2．3 人工神经网络应用
习题
参考文献
第3章 人工神经网络数理基础
3．1 神经元模型
3．2 导数
3．3 微分
3．3．1 定义
3．3．2 定理与性质
3．4 积分
3．4．1 定义
3．4．2 定积分定理与性质
3．5 梯度
3．6 行列式
3．7 矩阵
3．7．1 概念
3．7．2 矩阵的运算
3．7．3 矩阵运算性质
3．8 向量
3．8．1 定义
3．8．2 向量的运算和向量内积的准则
3．8．3 线性表示与线性相关
3．9 特征值与特征向量
3．10 随机事件与概率
3．11 范数
3．11．1 定义
3．11．2 向量的范数
3．11．3 矩阵的范数
习题
参考文献

第二篇 人工神经网络理论篇
第4章 感知器
4．1 概述
4．2 感知器的结构和原理
4．2．1 感知器的结构
4．2．2 感知器的原理
4．2．3 感知器的学习策略
4．3 单层感知器
4．3．1 单层感知器模型
4．3．2 单层感知器的功能
4．3．3 单层感知器的学习算法
4．3．4 单层感知器的局限性
4．4 多层感知器
4．4．1 多层感知器的结构和特点
4．4．2 多层感知器的功能
4．4．3 多层感知器的学习算法
4．5 应用案例
习题
参考文献
第5章 BP神经网络
5．1 概述
5．2 BP神经网络结构
5．3 BP神经网络算法
5．3．1 算法原理
5．3．2 反向传播实例
5．4 BP算法的不足与改进
5．4．1 BP算法的不足
5．4．2 BP算法的改进
5．5 应用案例
习题
参考文献
第6章 RBF神经网络
6．1 概述
6．2 RBF神经网络结构和原理
6．3 RBF神经网络算法
6．4 RBF神经网络的相关问题
6．5 应用案例
习题
参考文献
第7章 ADALINE神经网络
7．1 概述
7．2 ADALINE结构和原理
7．2．1 单层ADAUNE模型
7．2．2 算法原理
7．2．3 多层ADAUNE模型
7．3 应用案例
习题
参考文献
第8章 Hopfield神经网络
8．1 概述
8．2 离散Hopfield神经网络
8．2．1 网络结构
8．2．2 工作方式
8．2．3 网络的稳定性
8．2．4 网络算法
8．3 连续Hopfield神经网络
8．3．1 网络结构
8．3．2 网络的稳定性
8．4 应用案例
习题
参考文献
第9章 深度卷积神经网络
9．1 概述
9．2 深度卷积神经网络的结构和原理
9．2．1 深度卷积神经网络的结构
9．2．2 深度卷积神经网络的原理
9．3 几种基本的深度卷积神经网络
9．3．1 AlexNet
9．3．2 VGGNet
9．3．3 ResNet
9．4 应用案例
9．4．1 几种深度学习应用框架
9．4．2 基于AlexNet的图像识别
习题
参考文献
第10章 生成式对抗网络
10．1 概述
10．2 生成式对抗网络的结构
10．3 生成式对抗网络算法
10．4 改进的生成式对抗网络
10．5 应用案例
习题
参考文献
第11章 Elman神经网络
11．1 概述
11．2 Elman神经网络结构和原理
11．3 E1man神经网络的学习算法
11．4 Elman神经网络稳定性分析
11．5 应用案例
习题
参考文献
第12章 AdaBbost神经网络
12．1 概述
12．2 AdaBoost网络结构和算法
12．3 AdaBoost算法中的影响因素
12．3．1 AdaBoost算法的训练误差分析
12．3．2 AdaBoost分类问题中的损失函数
12．3．3 AdaBoost算法的正则化
12．4 应用案例
习题
参考文献
第13章 SOFM神经网络
13．1 概述
13．2 SOFM神经网络的结构
13．3 SOFM神经网络的原理和学习算法
13．3．1 SOFM神经网络的原理
13．3．2 SOFM神经网络的学习算法
13．4 应用案例
习题
参考文献

第三篇 人工神经网络实践及应用篇
第14章 基于Simulink的人工神经网络建模
14．1 概述
14．2 Slmulink启动和神经网络模块库
14．2．1 Simulink的启动
14．2．2 Simulink神经网络模块库
14．3 模型的设置和操作
14．3．1 模块的操作
14．3．2 信号线的操作
14．3．3 仿真参数的设置
14．3．4 常用模块的设置
14．4 单神经元建模
14．5 函数逼近的simulink仿真模型
14．5．1 参数未改变的模型及仿真
14．5．2 改变参数的模型及仿真
14．6 应用案例
习题
参考文献
第15章 基于GUI的人工神经网络设计
15．1 概述
15．2 软件架构设计
15．3 创建工程
15．3．1 FIG文件编辑器
15．3．2 M文件编辑器
15．4 主页面设计
15．5 交互式参数设置
15．6 软件主要功能设计
15．6．1 检测识别
15．6．2 处理建议
15．7 辅助功能
15．8 帮助文件制作
习题

参考文献

附录A GUI对象的常用属性
附录B 特殊字符格式说明
附录C 软件代码

　　作为人工智能的关键技术，人工神经网络已经成为新一轮科技革命和产业变革的重要驱动力量，也成为世界各国争相发展的战略技术之一。人工神经网络具有多学科综合、高度复杂的特征。
　　本书从系统到相对独立，在内容的选取和编排上力求重点突出、难点分散、深入浅出、通俗易懂，简化了深奥的理论论述，在对基本理论算法讲解的基础上，注重对算法迭代过程、实践应用和实现技术的引入，并在人工神经网络理论篇章节之后，加入了Simulink的人工神经网络建模与基于GUI的人工神经网络软件系统设计的内容，弥补了重理论轻实践和无法进行应用教学的缺憾。
　　本书分为三篇，共15章。
　　第一篇为神经网络基础篇（第1～3章），主要内容包括生物神经网络理论基础、人工神经网络概述、人工神经网络数理基础，从生物神经网络角度出发介绍了神经元的结构、生物电活动，在细胞层面解释了神经网络进行信息传递和信息存储的机理，并对人工神经网络理论在各个阶段的发展、特点、应用，以及人工神经网络算法中运用到的导数、微分、梯度等重要数理知识进行了概述。
　　第二篇为人工神经网络理论篇（第4～13章），主要内容包括感知器、BP神经网络、RBF神经网络、ADALINE神经网络、Hopfield神经网络、深度卷积神经网络、生成式对抗网络、Elman神经网络、AdaBoost神经网络、SOFM神经网络。为了加强理论学习的深度，本篇在阐述理论算法时通过逐次迭代展开推导，而且在每种理论算法后面都给出了应用及实践案例。多年的课堂教学实践证明这种学习方式对于理解和掌握算法机理是非常有效的。
　　第三篇为人工神经网络实践及应用篇（第14～15章），主要内容包括基于Simulink的人工神经网络建模和基于GUI的人工神经网络设计。这些内容是进一步理解和掌握人工神经网络理论、实践和应用的基础。
　　本书由文常保、茹锋教授负责编写和统稿。参与本书编写、绘图、程序调试的人员还有王蒙、宿建斌、丁琦、高南、马文博、刘鹏里和戚一娉等。
　　本书在编写过程中参阅了许多资料和文献，在此对这些参考资料、文献及报道的作者一并致以诚挚的谢意。对于共享资料没有标明出处，以及对某些资料进行加工、修改后引用到本书的，我们在此郑重声明，其著作权属于原作者。
　　由于作者水平有限，书中难免存在一些不足、不妥之处，恳请有关专家和广大读者批评指正。