目录 随书资源 第1章绪论 1.1神经网络的概念 1.2神经网络的发展历史 1.2.1启蒙时期 1.2.2萧条时期 1.2.3复兴时期 1.2.4高潮时期 1.3神经网络的研究内容 1.3.1神经元模型 1.3.2神经网络的结构 1.3.3神经网络与深度学习的学习算法 1.4神经网络的应用领域 1.4.1自然语言处理 1.4.2推荐系统 1.4.3医学领域 1.4.4网络空间安全 1.4.5控制领域 1.4.6交通领域 1.4.7心理学领域 1.5神经网络与深度学习的关系 1.6习题 第2章神经网络基础 2.1生物神经系统 2.1.1生物神经元的结构 2.1.2生物神经元的功能 2.1.3生物神经元和人工神经元的区别 2.2人工神经元模型 2.2.1人工神经元的结构 2.2.2激活函数 2.2.3其他常用激活函数 2.3MP神经元模型 2.3.1基础MP神经元模型 2.3.2延时MP模型 2.3.3改进的MP模型 2.4神经网络的互连结构 2.5神经网络的学习 2.5.1神经网络的学习方式 2.5.2神经网络的学习规则 2.6本章实践 2.7习题 第3章感知机 3.1感知机原理 3.1.1单层感知机 3.1.2多层感知机 3.2感知机模型 3.3感知机算法 3.3.1随机梯度下降法 3.3.2感知机学习算法 3.4感知机改进算法 3.5本章实践 3.6习题 第4章误差反向传播神经网络 4.1BP神经网络结构 4.2BP学习算法 4.2.1BP算法的过程 4.2.2BP神经网络的优化算法 4.3BP神经网络学习算法的改进与优化 4.3.1BP神经网络的优点 4.3.2BP算法存在的问题 4.3.3累积误差算法的BP神经网络 4.3.4Sigmoid函数输出限幅的BP算法 4.3.5增加动量项的BP算法 4.3.6学习率自适应调整算法 4.4BP神经网络的应用 4.5本章实践 4.6习题 第5章Hopfield神经网络 5.1Hopfield神经网络概述 5.2离散型Hopfield神经网络 5.2.1离散型Hopfield神经网络结构及工作方式 5.2.2离散型Hopfield神经网络的吸引子与能量函数 5.2.3离散型Hopfield神经网络的连接权值设计 5.2.4离散型Hopfield神经网络的信息存储容量 5.3连续型Hopfield神经网络 5.3.1连续型Hopfield神经网络的结构 5.3.2连续型Hopfield神经网络的神经元 5.3.3连续型Hopfield神经网络的能量函数 5.4Hopfield神经网络的应用 5.4.1离散型Hopfield神经网络的应用 5.4.2连续型Hopfield神经网络的应用 5.5本章实践 5.5.1离散型Hopfield神经网络实践 5.5.2连续型Hopfield神经网络实践 5.6习题 第6章玻耳兹曼机 6.1随机型神经网络概述 6.2玻耳兹曼机原理 6.2.1玻耳兹曼机的网络结构 6.2.2玻耳兹曼机的能量函数及玻耳兹曼分布 6.2.3玻耳兹曼机的运行规则 6.2.4玻耳兹曼机的联想记忆 6.3受限玻耳兹曼机原理 6.3.1受限玻耳兹曼机的网络结构 6.3.2受限玻耳兹曼机的能量函数 6.3.3受限玻耳兹曼机的运行规则 6.3.4受限玻耳兹曼机的应用 6.4本章实践 6.5习题 第7章自组织神经网络 7.1自组织神经网络概述 7.2竞争学习 7.2.1竞争学习的概念 7.2.2竞争学习规则 7.3自组织神经网络原理 7.3.1自组织神经网络的概念 7.3.2自组织神经网络的结构 7.3.3自组织神经网络的设计 7.3.4自组织神经网络的权值调整域 7.3.5自组织神经网络的运行原理与学习算法 7.3.6自组织神经网络应用实例 7.4改进的自组织神经网络模型 7.4.1采用混合高斯模型的自组织神经网络 7.4.2动态自组织神经网络模型 7.5本章实践 7.6习题 第8章深度神经网络 8.1深度神经网络概述 8.2深度神经网络的网络结构 8.2.1深度神经网络的基本结构 8.2.2深度神经网络的前向传播 8.2.3深度神经网络的反向传播 8.3深度神经网络的优化 8.3.1损失函数的选择 8.3.2参数优化 8.3.3正则优化 8.4深度神经网络的应用 8.5本章实践 8.6习题 第9章深度置信网络 9.1深度置信网络概述 9.2深度置信网络的网络结构 9.2.1深度置信网络的基础结构 9.2.2DBNDNN的训练过程 9.3改进的深度置信网络算法 9.4深度置信网络的应用 9.5本章实践 9.6习题 第10章卷积神经网络 10.1卷积神经网络概述 10.2卷积神经网络基本部件 10.2.1输入层 10.2.2卷积层 10.2.3池化层 10.2.4激活层 10.2.5全连接层 10.2.6目标函数 10.2.7卷积神经网络的基本特征 10.3卷积神经网络的网络结构 10.3.1基本结构 10.3.2前向传播 10.3.3反向传播 10.4改进的卷积神经网络 10.4.1AlexNet神经网络 10.4.2VGGNets神经网络 10.5卷积神经网络的应用 10.6本章实践 10.7习题 第11章循环神经网络 11.1循环神经网络概述 11.2循环神经网络的网络结构 11.2.1基本结构 11.2.2前向传播 11.2.3反向传播 11.3循环神经网络的优化算法 11.3.1门控算法 11.3.2深度算法 11.4循环神经网络的应用 11.5本章实践 11.6习题 第12章生成式对抗网络 12.1生成式对抗网络概述 12.2生成式对抗网络的结构 12.2.1生成式对抗网络的判别器 12.2.2生成式对抗网络的生成器 12.2.3生成式对抗网络的运行流程 12.3改进的生成式对抗网络 12.3.1生成式对抗网络的优势与缺陷 12.3.2生成式对抗网络的问题分析及改进 12.4生成式对抗网络的应用 12.5本章实践 12.6习题 第13章图神经网络 13.1图神经网络概述 13.2图 13.2.1图的基本定义 13.2.2图的基本类型 13.2.3邻居和度 13.2.4子图与路径 13.3图神经网络模型 13.3.1图卷积神经网络 13.3.2图注意力网络 13.3.3图自动编码器 13.3.4图生成网络 13.3.5递归图神经网络 13.4GNN的应用 13.5本章实践 13.6习题 参考文献