研究生必备的人工神经网络电子书汇总（31本） 这些都是我从淘宝和百度文库里面搜集到的电子书，需要的可以联系我 QQ：415295747，或者登录我的博客https://www.doczj.com/doc/b710408326.html,/u/1723697742 1.神经网络在应用科学和工程中的应用——从基础原理到复杂的模式识别 5 译者序 6 前 9 致谢 10 作者简介 11 目录 19 第1章从数据到模型:理解生物学、生态学和自然系统的复杂性和挑战 27 第2章神经网络基础和线性数据分析模型 72 第3章用于非线性模式识别的神经网络 105 第4章神经网对非线性模式的学习 166 第5章从数据中抽取可靠模式的神经网络模型的实现 205 第6章数据探测、维数约简和特征提取 235 第7章使用贝叶斯统计的神经网络模型的不确定性评估 276 第8章应用自组织映射的方法发现数据中的未知聚类 359 第9章神经网络在时间序列预测中的应用 458 附录 2.MATLB 神经网络30个案例分析 第1章BP神经网络的数据分类——语音特征信号分类 23 第2章BP神经网络的非线性系统建模——非线性函数拟合 33 第3章遗传算法优化BP神经网络——非线性函数拟合 48 第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优 57 第5章基于BP_Adsboost的强分类器设计——公司财务预警建模 66 第6章PID神经元网络解耦控制算法——多变量系统控制 77 第7章RBF网络的回归——非线性函数回归的实现 85 第8章GRNN的数据预测——基于广义回归神经网络的货运量预测 93 第9章离散Hopfield神经网络的联想记忆——数字识别 102 第10章离散Hopfield神经网络的分类——高校科研能力评价 112 第11章连续Hopfield神经网络的优化——旅行商问题优化计算 124 第12章SVM的数据分类预测——意大利葡萄酒种类识别 134 第13章SVM的参数优化——如何更好的提升分类器的性能
一、填空题 1、神经元（即神经细胞）是由、、和四部分构成。 2、按网络结构分，人工神经元细胞可分为和，按照学习方式分可分为和。 3、人工神经网络常见的输出变换函数有和。 4、人工神经网络的学习规则有、和。 5、国内外学者提出了许多面向对象的神经网络控制结构和方法，从大类上看，较具代表性的有以下几种、和。 6、在一个神经网络中，常常根据处理单元的不同处理功能，将处理单元分成有以下三种、和。 7、在一个神经网络中，基本单元神经元的三个基本要素是、和。 8、人工神经网络常见的激发函数或作用函数有、、和。9、BP网络的学习算法的改进有、和。 10、神经网络是由大量广泛互联而成的网络。 11、人工神经网络的学习方法有和。 12、从生物控制论的观点来看，神经元具有以下功能和特性、和。13、一般来讲，人工神经网络的结构可以分成两种基本类型和。 14、人工神经网络的学习算法有、和。 15、BP学习算法实际包含了两类信号不同方向的传播过程，一类是施加输入信号由输入层 经隐层到输出层，产生输出响应的过程；另一类是希望输出与实际输出之间的误差信号由输出层返回隐层和输入层，反向逐层修正连接权值和神经元输出阈值的过程。 16、神经网络的学习方式可以分成、和。 17、An biologic neuron is composed of and . 二、选择题 1、一般认为，人工神经网络(ANN)适用于（） A、线性系统 B、多变量系统 C、多输入多输出系统 D、非线性系统 2、最早提出人工神经网络思想的学者是（） A、McCulloch-Pitts B、Hebb C、Widrow-Hoff D、Rosenblatt 3、神经元模型一般为（） A、单输入多输出 B、多输入单输出 C、单输入单输出 D、多输入多输出 三、简答题 1、简述神经网络的特点。 2、试画出一个2-3-5-2 BP网络的结构图，说明节点函数。 3、简要说明多层感知器的结构和学习算法。 4、前馈型神经网络有什么特点？哪些结构的神经网络属于前馈神经网络？
一、填空题(1-13题每空1分，14-18题每空2分，共30分) 1、状态函数的变化只决定于体系的和而与变化的途径无关。 2、在H、U、G、S、Q、W这些物理量中不是状态函数的是。 3、熵减少的反应在低温下可自动进行，此反应的△H（填: > 0，= 0或< 0）。 4、已知反应2NO + Cl2 → 2NOCl为基元反应，其速率方程式为，总反应是级反应。 5、对下列几种水溶液，按其凝固点由低到高的顺序是。A：0.1 mol·dm-3 C6H12O6；B：0.1 mol·dm-3 NaCl； C：0.1 mol·dm-3 CaCl2；D：0.1 mol·dm-3 HAc； 6、稳定状态下的单质的标准摩尔生成焓为。 7、S2－的共轭酸是；H2S的共轭碱是。 8、对相同类型的配离子来说，解离常数K i越小，则稳定常数K f越，配离子越。 9、隔离系统指系统和环境之间（填: 有或无）物质交换，（填: 有或 无）能量交换的系统。 10、往氨水中加入少量NaOH固体并使其完全溶解，则氨的解离度(填: 增加、降低或不变)，溶液的pH值(填: 增加、降低或不变)。 11、某电池反应为2Hg(l)+O2(g)+2H2O(l)→2Hg2+(aq)+4OH–(aq)，当电池反应达到平衡时，电池的E必然是。（填：> 0、= 0或< 0） 12、某温度时，反应N2(g) + 3H2(g) = 2NH3(g)的标准平衡常数为Kθ, 则反应 NH3(g)= 1/2 N2(g) + 3/2 H2(g)的平衡常数为。 13、钢铁发生吸氧腐蚀时，阴极上发生的电极反应是。金属防腐可采用的阴极保护法，是把被保护金属作为腐蚀电池的极。 14、已知反应C(石墨) + O2 (g)→ CO2(g) △H mθ (298.15 K)= -394 kJ?mol-1 反应C(金刚石) + O2(g)→ CO2(g) △H mθ (298.15 K) = -396 kJ?mol-1 则金刚石的△f H mθ（298.15K) = kJ?mol-1。
第六章神经网络在模式识别中的应用 模式识别模拟的是人类一部分智能—识别、判断能力，而人类的智能活动都是在大脑的神经系统中完成的，如果我们能够模拟人类大脑的工作机理来实现识别系统，应该能够取得好的效果。人工神经网络的研究证实在这方面所进行的探索。 6.1 人工神经网络的基础知识 一、人工神经网络的发展历史 1943年，心理学家McCulloch和数学家Pitts提出了形式神经元的数学模型； 1949年，心理学家Hebb提出了神经元学习的准则； 20世纪50年代末，Rosenblatt提出了感知器模型，引起了神经元研究的广泛兴趣； 1969年，Minsky等人指出了感知器的局限性，神经网络的研究热潮下降； 1982年，Hopfield提出了一种神经网络的动力学模型，可以用于联想记忆和优化计算； 1986年，Rumelhart等人提出了多层感知器模型，克服了感知器模型的局限性，使得人工神经网络的研究再度受到重视。 二、生物神经元 一个典型的神经元（或称神经细胞）可以看作有三部分组成：细胞体，树突和轴突。 树突是神经元的生物信号输入端，与其它的神经元相连；轴突是神经元的信号输出端，连接到其它神经元的树突上；神经元有两种状态：兴奋和抑制，平时神经元都处于抑制状态，轴突没有输入，当神经元的树突输入信号大到一定程度，超过某个阈值时，神经元有抑制状态转为兴奋状态，同时轴突向其它神经元发出信号。 三、人工神经元
人工神经元是仿照生物神经元提出的，神经元可以有N 个输入：12,,,N x x x ，每个输入端与神经元之间有一定的联接权值：12,,,N w w w ，神经元总的输入为对每个输入的加权求和，同时减去阈值θ： 1 N i i i u w x θ== -∑ 神经元的输出y 是对u 的映射： ()1N i i i y f u f w x θ=?? ==- ??? ∑ f 称为输出函数，可以有很多形式。当f 为阈值函数时，神经元就可以看作是一个线 性分类器。 ()1, 00, x f x x >?=? ≤? 当取f 为Sigmoid 函数时，神经元完成的是连续的线性映射： ()11x f x e -=+ [0,1] ()2211x f x e -= -+ [-1,1] 一个神经元的结构可以简化为下图的形式： x 1x 2 x N 其中输入矢量为增广矢量，最后一维1N x =，用N w 代替阈值θ。
第六章人工神经元计算方法 第一节概述 神经网络－模式识别 引例：水果分类的问题（识别不同的水果） 说明：1. 对水果的分类，是一个模式的识别问题。而对机械运行状态的判断，也是一个模式识别，因此可以使用神经网络进行判断。 2. 为神经网络提供数值参量（形状、大小、成分等），就可以得 到对应的种类属性（苹果、桔子）。因此，使用各种信号数据参 数作为输入，也可以获得机械运行状态的属性参量。 3. 权值相量、判断标准、误差输入可以不断的修正。 三.具体实例 通过该例，说明网络建立、训练、识别的过程 问题的提出 齿轮传动在运行过程中经常会出现各种类型的故障， 如齿面擦伤、胶合、点蚀、裂纹、局部断齿等，均会引 起振动烈度增加。如何根据所测振动信号自动识别故障 的类型，是目前齿轮故障诊断研究的一个重点内容，属 于模式识别问题。 本节介绍以小波分析为基础，采用神经网络识别点蚀 故障的方法。
三. 具体实例 齿轮点蚀故障的小波神经网络识别 三. 具体实例 齿轮点蚀故障的小波神经网络识别 神经网络理论的应用取得了令人瞩目的发展，特别是在人工智能、自动控制、计算机科学、信息处理、机器人、模式识别、CAD/CAM等方面都有重大的应用实例。下面列出一些主要应用领域： （1）模式识别和图像处理。语音识别、签字识别、指纹识别、人体病理分析、目标检测与识别等。 （2）控制和优化。机械过程控制、机器人运动控制、金属探伤、故障
分析等。 （3）预报和智能信息管理。股票市场预测、地震预报、有价证券管理、借贷风险分析、IC卡管理和交通管理。 一、什么是人工神经元计算 人的大脑是众所周知的最复杂的计算“装置”，其强大的思考、记忆和解决问题的能力激发了许多科学工作者去尝试建立人脑的计算模型。经过近半个多世纪的努力，形成了人工神经元计算理论。 1.模拟人脑神经元是脑神经系统中最基本的细胞单元。每个神经元都是一个简单的微处理单元，其接受和综合许多其它神经元通过所谓树突的输入结构传来的信号，并将输出信号沿着轴突向外传送。这种信号传递本质上是一个化学过程，但其信号是可以测量的。