關於部落格


var _gaq = _gaq || [];
_gaq.push(['_setAccount', 'UA-33885285-1']);
_gaq.push(['_trackPageview']);

(function() {
var ga = document.createElement('script'); ga.type = 'text/javascript'; ga.async = true;
ga.src = ('https:' == document.location.protocol ? 'https://ssl' : 'http://www') + '.google-analytics.com/ga.js';
var s = document.getElementsByTagName('script')[0]; s.parentNode.insertBefore(ga, s);
})();


機器人、登山、攝影、閱讀、美食
  • 15785

    累積人氣

  • 0

    今日人氣

    0

    追蹤人氣

機器學習:類神經網路、模糊系統以及基因演算法則

本書共分三個部分,分別為類神經網路、模糊系統以及基因演算法。
本書不但對這些領域有詳細的說明,並搭配許多清晰的圖示來解說,
而且設計有許多範例來說明各個演算法,
相信對於想要學習這三個部分的人,是一本很棒的入門書。

其實還有一個重點,那就是本書的作者其實是我的老闆啦

而且我也參與了修訂二版的修訂工作

對於內容有興趣的人也歡迎跟我討論唷

目錄


第一部份 類神經網路


第一章 類神經網路之簡介
1.1 引言       1-2
1.2 生物神經網路      1-3
1.3 生物神經細胞      1-6
 1.3.1 生物電位與活化電位    1-8
 1.3.2 神經元之連接模式    1-14
1.4 類神經元的模型      1-19
1.5 網路架構      1-25
1.6 學習與記憶      1-28
1.7 類神經網路的學習規則     1-30
 1.7.1 Hebbian學習規則     1-33
 1.7.2 錯誤更正法則     1-34
 1.7.3 競爭式學習法     1-37
1.8 結語       1-38
參考文獻       1-38

第二章 感知機
2.1 引言       2-2
2.2 感知機基本架構      2-2
2.3 感知機收斂定理      2-5
2.4 Widrow-Hoff 法則       2-16
 2.4.1 Wiener-Hoff 方程式    2-17
 2.4.2 最小均方演算法     2-20
2.5 學習率調整方法      2-24
2.6 感知機之進階討論     2-27
2.7 結語       2-30
參考文獻       2-30


第三章 多層感知機
3.1 引言       3-2
3.2 網路架構與符號表示法     3-4
3.3 倒傳遞演算法      3-6
3.4 網路訓練須知      3-15
3.5 倒傳遞演算法進階技巧     3-30
3.6 類神經網路的推廣能力     3-32
3.7 應用範例      3-35
 3.7.1 NETtalk      3-35
 3.7.2 無人駕駛車     3-36
 3.7.3 手寫郵遞區號碼辨識    3-36
3.8 放射狀基底函數網路     3-37
3.9 時間性信號處理      3-47
 3.7.1 時間延遲類神經網路    3-51
 3.7.2 循環式類神經網路    3-53
3.10 結語       3-64
參考文獻       3-65


第四章 非監督式類神經網路
4.1 引言       4-2
4.2 競爭式學習演算法     4-2
4.3 適應共振理論      4-14
 4.3.1 ART 1 演繹法     4-15
 4.3.2 ART 1 的網路實現    4-23
4.4 特徵映射      4-29
 4.4.1 大腦皮質中的特徵映射    4-30
 4.4.2 側向聯結     4-33
 4.4.3 自我組織特徵映射演算法    4-40
 4.4.4 參數的選擇     4-44
 4.4.5 改良的方法     4-46
 4.4.6 特徵映射圖之應用    4-57
4.5 學習向量量化      4-61
4.6 結語       4-65
參考文獻       4-66


第五章 聯想記憶
5.1 引言       5-2
5.2 線性聯想記憶      5-4
5.3 Hopfield 網路        5-9
 5.3.1 離散Hopfield 網路的特性    5-17
 5.3.2 連續Hopfield 網路    5-21
5.3.2 Hopfield 網路的應用    5-25
5.4 雙向聯想記憶      5-30
 5.4.1 網路的記憶及回想    5-31
 5.4.2 雙向聯想記憶網路的特性分析   5-38
5.5 結語       5-41
參考文獻       5-41


第六章 增強式學習
6.1 引言       6-2
6.2 增強式學習的構成要件     6-2
6.3 立即性報酬      6-5
 6.3.1 AR-P 演算法     6-6
 6.3.2 GARIC架構     6-9
6.4 時間差方法      6-9
6.5 Q-Learning      6-14
6.6 結語       6-19
參考文獻       6-19


第二部份 模糊系統


第七章 模糊集合
7.1 引言       7-2
7.2 模糊集合      7-2
7.3 歸屬函數      7-9
7.4 模糊集合之運算子     7-12
 7.4.1 模糊補集     7-16
 7.4.2 模糊交集     7-19
 7.4.3 模糊聯集     7-22
7.5 結論       7-24
參考文獻       7-24


第八章 模糊關係及推論
8.1 引言       8-2
8.2 關係       8-2
8.3 投影與柱狀擴充      8-5
8.4 合成運算      8-11
8.5 模糊規則      8-14
 8.5.1 語意式變數     8-15
 8.5.2 模糊蘊涵     8-19
8.6 近似推論      8-23
 8.6.1 單一規則,單一變數    8-27
 8.6.2 多規則,單一變數    8-29
 8.6.3 單一規則,多變數    8-32
 8.6.4 多規則,多變數     8-34
8.7 結論       8-37
參考文獻       8-37


第九章 模糊系統
9.1 引言       9-2
9.2 模糊系統之架構      9-2
 9.2.1 模糊化機構     9-3
 9.2.2 模糊規則庫     9-4
 9.2.3 模糊推論引擎     9-7
 9.2.4 去模糊化機構     9-9
9.3 語意式模糊規則      9-12
9.4 函數式模糊規則      9-17
9.5 Tsukamoto模糊規則     9-21
9.6 模糊控制範例      9-23
9.7 模糊系統的建立      9-28
9.8 模糊化類神經網路     9-31
 9.8.1 適應性網路架構的模糊推論系統   9-32
 9.8.2 模糊適應性學習控制網路    9-37
 9.8.3 倒傳遞模糊系統     9-42
 9.8.4 模糊化多維矩形複合式類神經網路  9-48
9.9 結論       9-53
參考文獻       9-54

 

第三部份 基因演算法則


第十章 基因演算法則
10.1 引言       10-2
10.2 基因演算法則      10-2
10.3 基因演算法則之主要特性    10-10
10.4 基因演算法則之細部探討    10-11
10.5 適應函數的調整      10-15
10.6 基因演算法則之圖形分析    10-21
10.7 實數型基因演算法則     10-23
10.8 結語       10-30
參考文獻       10-30

相簿設定
標籤設定
相簿狀態