神经网络在应用科学和工程中的应用

译者序

前言

致谢

作者简介

第1章从数据到模型：理解生物学、生态学和自然系统的复杂性和挑战

1.1概述

1.2本书安排

参考文献

第2章神经网络基础和线性数据分析模型

2.1概述

2.2神经网络及其能力

2.3生物学的启示

2.4神经元信息处理的建模

2.5神经元模型和学习策略

2.5.1作为一个简单分类器的阈值神经元

2.5.2神经元和神经集合的学习模型

2.5.2.1Hebbian学习

2.5.2.2无监督学习或竞争学习

2.5.2.3有监督学习

2.5.3作为分类器的有监督学习的感知器

2.5.3.1感知器学习算法

2.5.3.2基于大量现实数据集的感知器实例：根据测定的成长年轮直径辨识鱼的起源

2.5.3.3统计学中带有线性判别函数分析的感知器比较

2.5.3.4多种类分类中的多输出感知器

2.5.3.5使用感知器的高维分类

2.5.3.6感知器小结

2.5.4用于线性分类和预报的线性神经元

2.5.4.1利用delta规则的学习

2.5.4.2作为分类器的线性神经元

2.5.4.3作为预报能力子集的线性神经元的分类属性

2.5.4.4实例：作为预报器的线性神经元

2.5.4.5线性预报的实例：预报一个家庭的热流

2.5.4.6线性神经元模型与线性回归的比较

2.5.4.7实例：多输入线性神经元模型提高一个家庭的热流预报精确度

2.5.4.8一个多输入线性神经元与多重线性回归的比较

2.5.4.9多线性神经元模型

2.5.4.10多重线性神经网络与正则相关性分析的比较

2.5.4.11线性神经元和线性网络小结

2.6小结

习题

参考文献

第3章用于非线性模式识别的神经网络

第4章神经网络对非线性模式的学习

第5章从数据中抽取可靠模式的神经网络模型的实现

第6章数据探测、维数约简和特征提取

第7章使用贝叶斯统计的神经网络模型的不确定性评估

第8章应用自组织映射的方法发现数据中的未知聚类

第9章神经网络在时间序列预测中的应用

附录

　　《神经网络在应用科学与工程中的应用从基本原理到复杂的模式识别》为读者提供了神经网络方面简单但却系统的介绍。　　本书以神经网络在科学数据分析中所扮演角色的介绍性讨论作为开始，给出了神经网络的基本概念。本书首先对用于实际数据分析的神经网络结构进行了综合概述，继而对线性网络进行了大量的介绍，并介绍了所有处理阶段的用于非线性预报和分类的多层感知器。此外，还通过实际例子和个案研究阐述了模型开发技术。后面章节又提出了用于非线性数据聚类的自组织映射、用于线性或非线性时间序列预测的递归网络和适用于科学数据分析的其他类型的网络。　　本书通过使用广泛的图示和多学科的内容以一种更容易理解的形式，填补了市场上神经网络用于多维科学数据的空白，并将神经网络与统计学联系了起来。　　本书是研究神经网络对科学数据进行模式识别的一种探索，主要介绍了神经网络的基本概念，并以图示的形式用大量的实例和个案研究结合计算机仿真对神经网络用于模式识别的各种方法进行阐述与对比。本书所涉及的学科领域包括生物学、经济学、应用科学、工程、计算和商业等，研究了神经网络在线性和非线性预报、分类、聚类和预测方面的应用，并对模型开发的所有阶段和结果进行了阐述，包括数据预处理、数据维数约简、输人选择、模型开发和验证、模型不确定性评估以及对输入、误差和模型参数的灵敏度分析。本书内容清晰明了，并结合了大量实例使得全书更加容易理解。　　本书适合作为高等院校相关专业的大学生、研究生的教材及有关研究人员的参考用书。【作者简介】　　在俄罗斯的Lumumba大学获得机械工程的理学硕士(Hons)，在美国的VirpniaTech获得了工程学硕士和博士学位。目前她是新西兰林肯大学自然工程系的高级讲师，并成为先进计算解决方案中心的奠基人之一。她的研究包括神经网络、统计学、软计算和人工智能、统计学方法、计算机视觉的利用，以及用于解决工程学、生物学、经济学、环境和自然系统及应用科学的实际问题的复杂系统建模。Samarasinshe博士参与了很多领域的科学与工业项目，并且在那些领域的国际期刊和国际会议上发表了很多文章。