混合神经网络技术

前言

第1章 绪论

1.1 神经网络的概念与分类

1.2 神经网络的基本特征和基本功能

1.3 神经网络的基本性质、优点及应用

1.4 神经网络的性能指标及研究内容

1.5 神经网络的发展简史、存在问题及发展趋势

1.6 神经网络的电磁应用

参考文献

第2章 基础知识

2.1 神经网络模型

2.2 神经网络的训练和学习

2.3 神经网络的泛化能力

2.4 神经网络训练用样本

参考文献

第3章 BP神经网络

3.1 BP神经网络结构

3.2 BP学习算法

3.3 BP神经网络应用要点

3.4 BP算法的不足及改进

3.5 应用BP神经网络进行微带贴片天线设计

参考文献

第4章 RBF神经网络

4.1 网络结构和工作原理

4.2 网络的生理学基础和数学基础

4.3 常用的学习算法

4.4 网络的特点及注意事项

4.5 RBF神经网络与BP神经网络的比较

参考文献

第5章 Hopfield神经网络

5.1 Hopfield神经网络简介

5.2 神经动力学

5.3 Lyapunov定理

5.4 连续Hopfield神经网络

5.5 离散Hopfield神经网络

5.6 Hopfield神经网络应用

5.7 Hopfield神经网络特点

参考文献

第6章 随机神经网络

6.1 Boltzmann机

6.2 神经网络的随机训练

6.3 模拟退火算法

参考文献

第7章 遗传神经网络

7.1 遗传算法

7.2 遗传神经网络原理及实现

7.3 遗传神经网络应用

参考文献

第8章 粒子群神经网络

8.1 粒子群优化算法

8.2 粒子群神经网络原理及实现

8.3 粒子群神经网络应用

参考文献

第9章 模糊神经网络

9.1 模糊理论

9.2 模糊神经网络原理及实现

9.3 模糊神经网络应用

参考文献

第10章 混沌神经网络

10.1 混沌理论

10.2 混沌神经网络原理及实现

10.3 混沌神经网络应用

参考文献

第11章 小波神经网络

11.1 小波分析

11.2 小波神经网络原理及实现

11.3 小波神经网络应用

参考文献

第12章 神经网络集成

12.1 神经网络集成基本知识

12.2 神经网络集成的应用

参考文献

附录

附录1 BP神经网络源程序

附录2 基于梯度算法的RBF神经网络源程序

附录3 基于聚类法的RBF神经网络源程序

附录4 基于正交最小二乘算法的RBF神经网络源程序

附录5 遗传算法源程序

附录6 粒子群算法源程序

附录7 粒子群算法优化神经网络源程序

附录8 粒子群算法和BP算法相结合优化神经网络源程序(1)

附录9 粒子群算法和BP算法相结合优化神经网络源程序(2)

附录10 小波神经网络源程序

附录11 基于十进制粒子群优化算法的神经网络集成源程序

附录12 基于二进制粒子群优化算法的神经网络集成源程序

《混合神经网络技术》在论述神经网络基本概念和基本原理的基础上，重点介绍了混合神经网络技术，同时，给出各种混合神经网络技术在电磁建模和优化问题中的应用。全书共分12章，内容主要包括神经网络的基本概念、基础知识、BP神经网络、RBF神经网络、Hopfield神经网络、随机神经网络、遗传神经网络、粒子群神经网络、模糊神经网络、混沌神经网络、小波神经网络和神经网络集成等。同时，书后附录给出相关程序。《混合神经网络技术》可供从事神经网络理论与技术、计算电磁学、电磁场工程等领域研究和开发工作的科技人员和高校教师参考阅读，也可作为高等院校相关专业的高年级本科生和研究生的教学用书。