- 作 者：（斯洛文）Jure.Zupan，（德）Johann.Gasteiger著；潘忠孝，陈玲然译
- 出 版 社：合肥：中国科学技术大学出版社
- 出版年份：2000
- ISBN：7312011071
- 标注页数：204 页
- PDF页数：214 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源214 ≥204页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
第一篇 基本概念 3
第一章 说明 3
1.1 向信息学习 3
1.2 总体目的和概念 4
1.3 神经网络适宜做什么 4
1.4 符号、惯例与缩写 6
第二章 神经元 7
2.1 突触和输入信号 7
2.2 权重 8
2.3 线性学习机 10
2.4 神经元中的转换函数 14
2.5 偏置量 20
2.6 人工神经元的图示 24
2.7 要点 25
2.8 参考文献和建议读物 25
第三章 联接神经元成网络 27
3.1 概述 27
3.2 一个层 28
3.3 输入 30
3.4 结构 31
3.5 隐含层,输出层 32
3.6 神经网络的图示 33
3.7 要点 35
3.8 参考文献和建议读物 36
4.2 结构 39
4.1 概述 39
第四章 Hopfield网络 39
第二篇 单层网络 39
4.3 转换函数 40
4.4 权重矩阵 40
4.5 迭代 43
4.6 Hopfield网络的容量 44
4.7 要点 45
4.8 参考文献和建议读物 46
第五章 自适应双向联想记忆（ABAM） 47
5.1 无监督与有监督学习 47
5.2 概述 48
5.3 ABAM过程 49
5.4 学习过程 50
5.5 一个例子 51
5.6 例子的意义 54
5.7 要点 56
5.8 参考文献和建议读物 56
第六章 Kohonet网络 57
6.1 概述 57
6.2 结构 58
6.3 竞争学习 60
6.4 从三维向二维的映射 62
6.5 另一个例子 66
6.6 备注 67
6.7 要点 67
6.8 参考文献和建议读物 68
第三篇 多层网络 71
第七章 对传网络 71
7.1 从一层至两层的转变 71
7.2 查询表 72
7.3 结构 73
7.4 有监督的竞争学习 74
7.5 学习打网球 77
7.6 变量中的相关性 80
7.7 要点 82
7.8 参考文献和建议读物 83
第八章 误差反向传播算法 85
8.1 概述 85
8.2 结构 86
8.3 用误差反向传播法学习 87
8.4 广义的Delta规则 88
8.5 学习算法 92
8.6 例子:网球比赛 95
8.7 要点 103
8.8 参考文献和建议读物 104
第四篇 应用 107
第九章 化学应用的总体评论 107
9.1 导论 107
9.2 分类 109
9.3 模型化 110
9.4 映射 111
9.5 联想,移动窗口 112
9.6 对十至十九章中范例的概述 113
9.7 要点 115
9.8 参考文献和建议读物 115
第十章 橄榄油多组分析数据的聚类 117
10.1 问题 117
10.2 数据 118
10.3 可能性网络的初步探讨 119
10.4 学习进行预测 121
10.5 要点 127
10.6 参考文献和建议读物 127
第十一章 化学键反应性 129
11.1 问题和数据 129
11.2 用于误差反向传播学习的网络结构 130
11.3 用实验设计技术选择训练集 131
11.4 Kohonen学习的应用 134
11.5 经过训练的多层网络的应用 135
11.6 Kohonen图的化学意义 136
11.7 参考文献和建议读物 138
第十二章 酒分析的HPLC优化 139
12.1 模型化问题 139
12.2 用标准方法模拟HPLC流动相 139
12.3 用神经网络模拟HPLC流动相 141
12.4 具有同等结构的两个网络的比较 141
12.5 参考文献和建议读物 143
13.2 数据集 145
第十三章 定量的构效关系 145
13.1 问题 145
13.3 结构和学习过程 146
13.4 方法的展望 147
13.5 参考文献和建议读物 148
第十四章 亲电芳香族取代反应 149
14.1 问题 149
14.2 数据 150
14.3 网络 151
14.4 学习结果 152
14.5 数据的第三种表示方法 153
14.6 要点 155
14.7 参考文献和建议读物 155
第十五章 涂料制法的模型化和最优化 157
15.1 问题 157
15.2 数据 157
15.3 网络训练 159
15.4 模型 159
15.5 参考文献和建议读物 160
第十六章 故障检测和过程控制 163
16.1 问题 163
16.2 数据 164
16.3 方法 166
16.4 故障的预测 167
16.5 连续搅拌反应的建模和控制 169
16.6 参考文献和建议读物 177
第十七章 蛋白质的二级结构 179
17.1 问题 179
17.2 作为输入数据的氨基酸表示法 181
17.3 网络的构造 182
17.4 学习和预测 183
17.5 参考文献和建议读物 183
第十八章 红外谱—结构相关 185
18.1 问题 185
18.2 红外光谱强度表示法 186
18.3 数据集和用BP算法进行的学习 186
18.4 红外光谱的可调节表征方法 187
18.5 用Fourier或Hadamard系数的截断集表征光谱 188
18.6 Kohonen学习的结果 190
18.7 参考文献和建议读物 194
第十九章 分子静电势的非线性投影 197
19.1 问题 197
19.2 网络结构和训练 198
19.3 用Kohonen图进行拼铺,构像效应 199
19.4 生物神经网络受到的研究 199
19.5 参考文献和建议读物 201
第二十章 神经网络化学反应展望 203