第1章 神經網絡模型評估及選擇 1.1 神經網絡的泛化能力[1-3] 1.2 神經網絡預測模型的一般描述[2，3] 1.3 研究神經網絡泛化能力的理論基礎[2-6] 1.3.1 經驗風險最小化原則 1.3.2 結構風險最小化原則 1.3.3 偏差-方差分解 1.4 影響神經網絡的泛化能力的具體因素[2-5] 1.4.1 神經網絡具有泛化能力的基本必要條件 1.4.2 噪聲的影響 1.4.3 “欠擬閤”和“過擬閤” 1.5 提高神經網絡的泛化能力的方法[4，6] 1.5.1 模型結構選擇 1.5.2 訓練集擴展方法 1.5.3 提前停止 1.5.4 權值衰減 1.5.5 貝葉斯學習 1.5.6 神經網絡集成[7-14] 1.6 神經網絡模型的評估與選擇[4-6，15] 1.6.1 神經網絡模型的評估 1.6.2 神經網絡模型的選擇 本章參考文獻第2章 基於BP算法的多層感知器的設計與應用第3章 徑嚮基函數神經網絡的設計與應用第4章 SOFM網絡設計與應用第5章 LVQ網絡設計與應用第6章 對偶傳播神經網絡第7章 ART網絡設計及應用第8章 Hopfield網絡的設計與應用第9章 時序遞歸網絡的設計與應用第10章 CMAC網絡的設計與應用第11章 支持嚮量機的設計與應用第12章 人工神經元網絡設計開發平颱
· · · · · · (收起)