文摘
英文文摘
序言
第一章人工神经网络
§1.1综述
§1.2 ANN的特点
§1.3神经元的形式化描述
§1.4 ANN的典型网络
§1.4.1单层感知机网络
§1.4.2BP网络
§1.4.3 Hopfield网络
§1.5 ANN学习算法的不足
第二章支持向量机
§2.1支持向量机的由来
§2.2统计学习理论的核心内容
§2.2.1机器学习的数学描述
§2.2.2 VC维
§2.2.3推广性的界
§2.2.4结构风险最小化
§2.3支持向量机
§2.3.1线性SVM
§2.3.2广义最优分类面
§2.3.3非线性SVM
§2.3.4 SVM实现SRM的依据
§2.3.5用于多值分类的SVM
§2.3.6 SVM与ANN的比较
第三章混合神经网络
§3.1整体法
§3.1.1组合神经网络
§3.2模块法
§3.2.1模块法的优点
§3.2.2任务分解
§3.2.3模块之间的关系
§3.2.4混合神经网络
§3.2.5大规模人工神经网络(LSANN)
§3.3组合神经网络、混合神经网络、LSANN的比较
第四章基于支持向量机的混合神经网络模型
§4.1基于支持向量机的混合神经网络(SVMCNN)
§4.1.1支持向量机阵列(SVMA)
§4.1.2子神经网络
§4.1.3训练与识别流程
§4.1.4 SVMCNN的特点
§4.2 SVMCNN的性能分析
§4.2.1实验环境
§4.2.2软件实现
§4.2.3实验结果
§4.2.4结果分析
结束语
参考文献
致谢
北京交通大学;
北方交通大学;