0.1 什么是神经网络
0.2 人类大脑
0.3 神经元模型
0.5 反馈
0.6 网络结构
0.7 知识表示
0.8 学习过程
0.9 学习任务
0.10 结束语
注释和参考文献
第1章 Rosenblatt感知器
1.1 引言
1.2 感知器
1.3 感知器收敛定理
1.4 高斯环境下感知器与贝叶斯分类器的关系
1.5 计算机实验:模式分类
1.6 批量感知器算法
1.7 小结和讨论
注释和参考文献
习题
第2章 通过回归建立模型
2.1 引言
2.2 线性回归模型:初步考虑
2.3 参数向量的最大后验估计
2.4 正则最小二乘估计和MAP估计之间的关系
2.5 计算机实验:模式分类
2.6 最小描述长度原则
2.7 固定样本大小考虑
2.8 工具变量方法
2.9 小结和讨论
注释和参考文献
习题
第3章 最小均方算法
3.1 引言
3.2 LMS算法的滤波结构
3.3 无约束最优化:回顾
3.4 维纳滤波器
3.5 最小均方算法
3.6 用马尔可夫模型来描画LMS算法和维纳滤波器的偏差
3.7 朗之万方程:布朗运动的特点
3.8 Kushner直接平均法
3.9 小学习率参数下统计LMS学习理论
3.10 计算机实验ⅰ:线性预测
3.11 计算机实验ⅱ:模式分类
3.12 LMS算法的优点和局限
3.13 学习率退火方案
3.14 小结和讨论
注释和参考文献
习题
资源截图:
常见问题FAQ
- 免费下载或者VIP会员专享资源能否直接商用?
- 本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。
- 提示下载完但解压或打开不了?
- 找不到素材资源介绍文章里的示例图片?