內容簡介
本書是作為課本而編寫的,因此,我們首先介紹神經網絡的概念。終將使你懂得采用商品化神經網絡包,或是采用自編的程序去解決你的問題。
本書的篇介、傳遞函數和“偏置”等的概念,與傳統的線性學習機做了比較,然後,描與層的連接以層之間的連接等。第二篇討網絡。先闡述Hopfield網絡和ABAM(自適應雙向聯想記憶),然後,更詳細地闡述Kohonen網絡。Kohonen學習是神經網絡提供的一種重要的無監督(或是自組織)學習方式,由進行訓練流程的樣本標志所生成的有價值的結果。
在第三篇中,討論了多層網絡以及在這些網絡中的學習,介紹了目標的對傳和誤差反向傳播的學習方案。對傳網絡由兩層構成:上面層執行Kohonen學習,輸出層執行對目標加權的修正,這些目標從網絡的反向部分一端(即從輸出端)輸入到網絡中。誤差反向傳播是應用廣泛的神經網絡學習方法。現在,全部應用的90%是用誤差反向傳播學習來進行的至少在化學界情況是這樣。因此,這一方法將作更詳細地討論。
本書的篇介、傳遞函數和“偏置”等的概念,與傳統的線性學習機做了比較,然後,描與層的連接以層之間的連接等。第二篇討網絡。先闡述Hopfield網絡和ABAM(自適應雙向聯想記憶),然後,更詳細地闡述Kohonen網絡。Kohonen學習是神經網絡提供的一種重要的無監督(或是自組織)學習方式,由進行訓練流程的樣本標志所生成的有價值的結果。
在第三篇中,討論了多層網絡以及在這些網絡中的學習,介紹了目標的對傳和誤差反向傳播的學習方案。對傳網絡由兩層構成:上面層執行Kohonen學習,輸出層執行對目標加權的修正,這些目標從網絡的反向部分一端(即從輸出端)輸入到網絡中。誤差反向傳播是應用廣泛的神經網絡學習方法。現在,全部應用的90%是用誤差反向傳播學習來進行的至少在化學界情況是這樣。因此,這一方法將作更詳細地討論。