類神經網路模式應用與實作 | 誠品線上

類神經網路模式應用與實作

內容簡介

內容簡介 ▓ 本書基本上是以實用導向為編寫的原則，但對網路模式的原理也有深入淺出的簡要介紹，對初學的讀者而言，是很好的入門書。 ▓ 本書將發展類神經網路應用的過程分成明確的程序，使讀者對發展應用的過程建立完整的觀念，可依此程序建立自己的應用。 ▓ 附有類神經網路軟體 PCNeuron 3.5 版 (教育版)，包括本書介紹的所有模式： ● 無隱藏層感知器 (倒傳遞算法) ● 自適應共振理論網路 ● 一層隱藏層感知器 (倒傳遞算法) ● 霍普菲爾網路 ● 二層隱藏層感知器 (倒傳遞算法) ● 雙向聯想記憶網路 ● 改進的倒傳遞算法 MLP ● 霍普菲爾－坦克網路 ● 具敏感性分析MLP ● 退火神經網路 ● 徑向基函數網路 ● 類神經網路式專家系統 ● 自組織映射圖網路 並用此軟體作下列應用實例： ● 休旅車潛在顧客發掘 ● 上市公司信用評等 ● 銀行業風險顧客避免 ● 選擇權價格預測 ● 垃圾郵件偵測 ● 混凝土抗壓強度預測 ● 集集大地震引致山崩分類 ● 電腦作業系統運作預測 ● 遙測影像識別 ● 休旅車潛在顧客聚類 ● 森林樹種植生類別分類 ● 30 城市旅行推銷員問題 ▓ 附有類神經網路軟體 Super PCNeuron 5.0 版 (試用版)，包括下列模式： ● 倒傳遞神經網路 (BPN) ● 分析調整綜合網路 (AASN) ● 擴展神經元網路 (ENN) ● 遺傳演算法神經網路 (GANN) ● 模糊神經網路 (FNN)

作者介紹

作者介紹 ■作者簡介葉怡成

產品目錄

產品目錄 第一篇 導論篇 第一章 導論 第二篇 模式篇 第二章 類神經網路模式總論 第三章 監督式學習一：單層感知器－倒傳遞算法 第四章 監督式學習二：多層感知器－倒傳遞算法 第五章 監督式學習三：多層感知器－進階演算法 第六章 監督式學習四：多層感知器－模型探索與優化 第七章 監督式學習五：徑向基函數網路（RBFN） 第八章 無監督式學習一：自組織映射圖網路 第九章 無監督式學習二：自適應共振理論網路 第十章 聯想式學習一：霍普菲爾網路 第十一章 聯想式學習二：雙向聯想記憶網路 第十二章 最佳化應用一：霍普菲爾坦克網路 第十三章 最佳化應用二：退火神經網路 第三篇 應用篇 第十四章 類神經網路應用程序 第十五章 類神經網路式專家系統 第十六章 類神經網路應用實例 第四篇 實作篇 第十七章 PCNeuron 3.5軟體 第十八章 PCNeuron 3.5實例 第十九章 SuperPCNeuron 5.0軟體 第五篇 結論篇 第二十章 結論 附錄Ａ PCNeuron 3.5軟體簡介 附錄Ｂ PCNeuron 3.5檔案目錄 附錄Ｃ PCNeuron 3.5檔案格式 附錄Ｄ PCNeuron 3.5網路參數 附錄Ｅ Run-Time網路程式範例 附錄Ｆ 參考文獻 附錄Ｇ 軟體資訊

商品規格