商品簡介
另外還介紹了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》適合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。
目次
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 前向人工神經網絡
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 輸出層神經元權值確定
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網絡的英文字母識別
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 字母識別性能分析
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 徑向基神經元
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
書摘/試閱
在人工神經網絡的發展歷史中，其在理論和設計方面所取得的進步都同信號處理問題密切相關，信號處理領域不斷出現的新問題促進了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，以及模式的非線性區域分類、系統辨識、高維空間非線性信號檢測等非線性問題，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合於解決這些問題。
（1）強大的非線性映射能力、自適應能力，以及廣泛的全域逼近能力。
（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別計算結果。
（3）分布式的信息存儲方式：信息以分佈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出存儲內容。
（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合中的數據可以產生合理的輸出。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複雜信號處理問題。
（5）強的容錯性：局部或部分神經元損壞後，不會對全域活動造成很大影響。
我們現在常應用人工神經網絡進行統計信號處理、非線性信號處理、自適應信號處理及建立非線性動態系統。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向，也是人工神經網絡理論和模型的重要應用方面。
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。