人工神经网络基础与应用实践

"本书《人工神经网络教程》由韩力群编著，是智能科学与技术本科专业系列教材，详细讲解了人工神经网络的主要理论、设计基础和应用实例。本书旨在帮助读者理解神经网络的基本原理、主要应用和设计方法，为深入研究和应用开发提供基础。内容覆盖了人脑生物神经网络特征、人工神经元模型、前馈神经网络、竞争学习、径向基函数网络、反馈神经网络、支持向量机、遗传算法、软件与硬件实现，以及人工神经系统的概念。书中注重实践应用，避免复杂的数学推导，适合控制与信息类专业的研究生、本科生以及科技工作者阅读。" 《人工神经网络教程》一书首先介绍了人工神经网络的发展背景和基本概念，包括人脑的生物神经网络特征，如生物神经元的信息处理机制，以及人工神经元和网络模型的构建。接着，书中深入探讨了多种神经网络模型，如基于误差反向传播的多层前馈网络，它在许多实际问题中有着广泛应用。此外，书中还涵盖了竞争学习的原理，如自组织特征映射、学习矢量量化等，以及径向基函数网络，它们在函数逼近和分类任务中表现出色。 反馈神经网络，如Hopfield网络和Boltzmann机，被用来处理联想记忆和优化计算问题，而小脑模型控制器作为局部逼近神经网络，在智能控制中扮演着重要角色。支持向量机作为一种强大的分类和回归工具，其原理和应用也在书中得到详述。遗传算法作为优化工具，用于神经网络的结构和参数优化。 在软件和硬件实现方面，本书提供了人工神经网络的编程实现指导，包括MATLAB和C语言的示例程序。最后，人工神经系统的介绍扩展了读者的知识面，涵盖了其基本概念、体系结构和信息处理模式。 作者韩力群基于多年教学和科研经验，编写了这本教程，旨在使读者能够轻松入门并逐步掌握人工神经网络的精髓。书中包含习题和实用程序，有助于读者巩固所学知识，并且提供了中英文术语对照表，方便查阅。无论是对于学术研究还是实际应用，本书都是一个宝贵的资源。