神经网络结构设计：两维空间线性可分与无线电测向方法

"《为两维空间三类样本的-无线电测向》是一本由魏海坤编著的专业书籍，针对神经网络结构设计的理论与方法进行深入探讨。书中主要针对的是线性可分的样本集，如图3.4所示，这种情况下，样本集S可以通过线性决策边界进行区分。作者在介绍神经元模型（如大脑神经细胞模型、MP模型和一般神经元模型）和常见的权值学习算法（如Hebb学习规则、离散感知器学习规则、δ学习规则和Widrow-Hoff学习规则）的基础上，详细讲解了影响神经网络泛化能力和性能的关键因素。 书中的主要内容包括：神经网络结构设计的原理和方法，如影响泛化能力的因素分析、神经网络结构优化设计（如剪枝算法、构造算法和进化方法）、以及参数优化设计（如最优停止方法、主动学习方法和神经网络集成）。这些方法都是当前神经网络设计中广泛采用的策略，并提供了相应的MATLAB实现代码，以便读者理解和实践。 作者还介绍了多层感知器网络（MLP），特别是两层和多层结构，包括BP（Backpropagation）网络和其算法。此外，径向基函数神经网络（RBFN）也得到了详尽阐述，包括网络结构、工作原理和生理学基础。 该书不仅适合自动化、信号处理等领域的工程技术人员，还包括高年级学生、研究生和教师使用。作者强调，由于时间和水平限制，书中可能存在不足，鼓励读者提出宝贵意见。全书共分为四章，分别涵盖了概论、基本神经元模型、多层感知器网络和RBF神经网络，既有理论介绍又有实例分析，为读者提供了丰富的学习资源。"