內容簡介
人工神經網絡的獨特知識錶示結構和信息處理原則使其成為智能信息處理的主要技術之一,吸引瞭越來越多科技工作者的研究興趣。《信號處理的神經網絡方法》從人工神經網絡在信號處理領域的應用人手,對神經網絡基本結構和信號處理領域如何應用神經網絡進行介紹。我們挑選BP.RBF.SOFM.LVQ.H。pfield這5種已成功應用於解決實際信號處理問題的網絡結構進行詳細介紹,並對如何利用它們解決信號處理問題進行分析。
另外還介紹瞭量子比特神經網絡這種新興網絡結構。
《信號處理的神經網絡方法》適閤於作為研究生或高年級本科生的教材,也可以作為希望深入學習神經網絡理論和應用技術的科技人員的參考書。
內頁插圖
目錄
第1章 緒論
1.1 引言
1.2 人工神經網絡概述
1.2.1 人工神經元
1.2.2 人工神經網絡分類
1.2.3 前嚮人工神經網絡
1.2.4 競爭型人工神經網絡
1.2.5 遞歸人工神經網絡
1.2.6 量子比特神經網絡
1.3 人工神經網絡適用於信號處理
1.3.1 數字信號處理問題概述
1.3.2 人工神經網絡適用於數字信號處理
1.3.3 應用人工神經網絡解決信號處理問題示例
1.4 ANN解決信號處理問題的一般思路
習題
第2章 基於BP網絡的信號處理
2.1 引言
2.2 BP學習算法
2.2.1 輸齣層神經元權值確定
2.2.2 隱含層神經元權值確定
2.2.3 權值修正過程
2.2.4 BP學習算法描述
2.3 BP學習算法的局限性及改進方法
2.3.1 BP學習算法的局限性
2.3.2 BP學習算法的改進方法
2.4 構建BP網絡的關鍵問題
2.5 BP網絡的MATLAB實現
2.6 基於BP網絡的英文字母識彆
2.6.1 英文字母特徵提取
2.6.2 網絡結構確定
2.6.3 網絡訓練
2.6.4 網絡構建流程
2.6.5 字母識彆性能分析
習題
第3章 基於RBF網絡的信號處理
3.1 函數的內插理論
3.1.1 近似問題的定義
3.1.2 函數的內插
3.2 徑嚮基神經元
3.3 高斯RBF網絡
3.3.1 高斯RBF網絡結構
3.3.2 網絡學習方法
3.3.3 RBF網絡結構確定方法
3.4 概率RBF網絡
3.4.1 貝葉斯決策分類方法簡介
3.4.2 概率RBF網絡結構
3.4.3 基於EM算法的概率RBF網絡的學習
3.5 RBF網絡的MATLAB實現
3.5.1RBF網絡創建函數
3.5.2 RBF網絡傳遞函數和轉換函數
3.6 RBF網絡應用實例
3.6.1 基於RBF網絡的插值技術
3.6.2 基於RBF網絡的淺灘演變預測
習題
第4章 基於SOFM網絡的信號處理
4.1 SOFM網絡結構
4.1.1SOFM網絡基本特點
4.1.2 網絡構成
4.2 SOFM網絡學習算法
4.2.1 兩階段權值調整
……
第5章 神經動力學基本原理及Hopfield網絡
第6章 量子比特神經網絡
第7章 結束語
參考文獻
精彩書摘
1.3.2 人工神經網絡適用於數字信號處理
在人工神經網絡的發展曆史中,其在理論和設計方麵所取得的進步都同信號處理問題密切相關,信號處理領域不斷齣現的新問題促進瞭人工神經網絡的不斷發展。像自適應濾波、自適應編碼等自適應問題,以及模式的非綫性區域分類、係統辨識、高維空間非綫性信號檢測等非綫性問題,是信號處理領域的研究熱點和難點,應用傳統方法解決這些問題具有較大難度,而人工神經網絡的以下特性使其非常適閤於解決這些問題。
(1)強大的非綫性映射能力、自適應能力,以及廣泛的全局逼近能力。
(2)並行的信息處理方式:單個神經元進行簡單信息處理,而大量簡單處理單元集體的、並行的活動可以以較快速度得到預期的識彆計算結果。
(3)分布式的信息存儲方式:信息以分布方式存儲在神經元之間的連接權值上,僅從單個權值無法看齣存儲內容。
(4)強大的學習能力以及由此而來的泛化能力:神經網絡的連接權值和連接結構都可以以監督或非監督方式從環境中學習得到,而泛化是指人工神經網絡對不在訓練樣本集閤中的數據可以産生閤理的輸齣。這種能力使得人工神經網絡可以解決一些當前還不能夠處理的大型復雜信號處理問題。
(5)強的容錯性:局部或部分神經元損壞後,不會對全局活動造成很大影響。
我們現在常應用人工神經網絡進行統計信號處理、非綫性信號處理、自適應信號處理及建立非綫性動態係統。因此,基於人工神經網絡的信號處理成為信號處理中的重要研究方嚮,也是人工神經網絡理論和模型的重要應用方麵。
……
前言/序言
信號處理的神經網絡方法 下載 mobi epub pdf txt 電子書