样本选择与组织策略：GPS差分协议RTCM分析及其应用实践

人工神经网络教程由韩力群编著，专为智能科学与技术领域的本科生和研究生提供全面的学习资料。该书重点阐述了人工神经网络的核心理论、设计基础以及实际应用案例，目的是帮助读者理解神经网络的起源和发展，掌握其基本原理、工作方式及其在各种领域的应用。 章节中详细讨论了样本选择与组织的重要性。首先，确定训练样本的数量是一个关键步骤，过多的样本能够更准确地反映网络内部的规律，但受制于资源限制。通常建议训练样本数是网络连接权总数的5到10倍，以保证网络的精度和复杂度之间的平衡。样本选择需要考虑代表性，确保各个类别间的均衡，避免网络过于偏向数量较多的类别。同时，样本组织策略包括交叉输入不同类别，以防止网络只学习特定类别的映射，防止训练过程中的振荡现象，延长训练时间。 另一个关键部分是初始权值的设计。由于神经元变换函数的对称性，网络的起点（初始权值）对于训练速度有很大影响。通过使初始净输入接近零，利用较小的初始权值或等量的正负权值，可以在变化敏感区域启动训练，从而加快学习速度。 作者韩力群根据多年的教学经验和科研成果编写了这本书，特别强调了理论与实践相结合，注重读者的理解和接受性，避免复杂的数学推导，通过丰富的例子帮助读者深入理解。本书不仅适用于控制与信息类专业的研究生，也适合智能科学技术专业的本科生以及科技工作者使用。 在印刷和购买方面，读者可以通过北京邮电大学出版社获取该书，如发现质量问题，可联系出版社进行反馈。整体来看，本书是深入学习人工神经网络理论与应用的宝贵资源，对于提升相关专业人员的技能具有重要意义。