商品信息

评价得分:
(分)
评论数:0
a***6
2017-03-11 09:31:15
快递给力,书还不错,就是范例太少
此评价对我 有用(0) 没用(0)
回复
j***9
2017-03-09 23:34:08
给 v 才刚刚哈哈哈哈哈滚滚滚滚滚滚
此评价对我 有用(0) 没用(0)
回复
w***0
2017-02-23 13:45:30
还行,主要是速度够快的呀,给好评,一直京东买东西,质量有保证
此评价对我 有用(0) 没用(0)
回复
j***3
自学参考书 2015-02-16 00:22:42
商品是否给力?快分享你的购买心得吧~
此评价对我 有用(0) 没用(0)
回复
购买日期
2014-04-13
感觉不错,还没有来得及看
此评价对我 有用(0) 没用(0)
回复
购买日期
2014-01-02
比较薄,有针对性! 2014-01-03 16:47:10
人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。(4)非凸性 一个系统的演化方向,在一定条件下将取决于某个特定的状态函数。例如能量函数,它的极值相应于系统比较稳定的状态。非凸性是指这种函数有多个极值,故系统具有多个较稳定的平衡态,这将导致系统演化的多样性。 人工神经网络中,神经元处理单元可表示不同的对象,例如特征、字母、概念,或者一些有意义的抽象模式。网络中处理单元的类型分为三类:输入单元、输出单元和隐单元。输入单元接受外部世界的信号与数据;输出单元实现系统处理结果的输出;隐单元是处在输入和输出单元之间,不能 人工神经网络 由系统外部观察的单元。神经元间的连接权值反映了单元间的连接强度,信息的表示和处理体现在网络处理单元的连接关系中。人工神经网络是一种非程序化、适应性、大脑风格的信息处理 ,其本质是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能,并在不同程度和层次上模仿人脑神经系统的信息处理功能。它是涉及神经科学、思维科学、人工智能、计算机科学等多个领域的交叉学科。 人工神经网络是并行分布式系统,采用了与传统人工智能和信息处理技术完全不同的机理,克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷,具有自适应、自组织和实时学习的特点。 1943年,心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立了神经网络和数学模型,称为MP模型。他们通过MP模型提出了神经元的形式化数学描述和网络结构方法,证明了单个神经元能执行逻辑功能,从而开创了人工神经网络研究的时代。1949年,心理学家提出了突触联系强度可变的设想。60年代,人工神经网络得到了进一步发展,更完善的神经网络模型被提出 人工神经网络
此评价对我 有用(0) 没用(0)
回复
购买日期
2013-11-03
非常有用的书 2013-11-16 10:37:20
人工神经网络是目前国际上迅速发展的前沿交叉学科。它是模拟生物神经结构的新型计算机系统,具有广泛的应用前景。   人工神经网络能够把不确定的、非结构化的信息以及图像进行识别、处理,非常适合水质信息检测。   《人工神经网络及其在水质信息检测中的应用》针对具有应用前景且被广泛关注的神经网络领域,简要介绍了人工神经网络在水质信息检测中的应用背景,详细介绍了人工神经网络基础知识、在水质信息检测中常用的算法,最后以大量的应用示例,说明人工神经网络在水质信息检测中的应用。   《人工神经网络及其在水质信息检测中的应用》可作为人工神经网络原理、神经网络应用及环境信息学等课程的参考书,对神经网络领域的教师、研究生、高年级本科生都有重要的参考价值,对环境信息领域的科研人员也有重要的借鉴作用。 1.6 人工神经网络在水质信息检测   处理中的应用前景   第一,改进现有的BP人工神经网络模型,构造适合于水环境系统的更优BP模型。BP网络虽然在某些方面(如水质评价)显示出独特的优越性和广泛的推广性,但这些优点主要取决于它的学习样本均是国家行业标准,具有很强的代表性和规范性。当水环境系统的样本序列与实际序列存在较大差异或学习样本不足以使人工神经网络充分学习时,所训练出的BP网络性能会变得很差,这可能也是某些有关这方面的研究开展不下去的主要原因之一,但这是表面现象,其实质仍是BP网络的性能与样本特征、传递函数、学习算法及网络结构之间的关系没调整好,如改进算法对提高网络的学习速度、增加收敛度和稳定性都有明显效果。笔者在实验室采用动量法和学习率自适应法两种算法研究表明,动量法可降低网络对于误差曲面局部细节的敏感性,有效地抑制网络陷入局部极小;自适应调整学习率法大大减少了学习次数,而且对学习样本欠佳的序列,传统的BP算法很难拟合,自适应学习率法却可以得到较满意的结果。   第二,众所周知,BP网络用于函数逼近时,权值的调节采用的是负梯度下降法,这种调节权值的方法有它的局限性,即存在着收敛速度慢和局部极小等缺点。在今后的研究中,应积极开展人工神经网络的其他模型的研究,充分挖掘人工神经网络在水环境应用中的巨大潜力和优势。如径向基函数网络在逼近能力、分类识别和学习速度等方面均优于BP网络,自组织竞争人工神经网络是一种以无教师示教的方式进行训练,具有自组织功能的神经网络,它的自组织自适应的学习能力能够进一步拓宽神经网络在水资源环境中进行识别和分类方面的应用。
此评价对我 有用(0) 没用(0)
回复
购买日期
2012-12-22
较为有用 2013-01-02 12:42:55
配送给力。书内容较为浅显,适合初学者阅读,但笔误较多。
此评价对我 有用(0) 没用(0)
回复
1
品类齐全,轻松购物 多仓直发,极速配送 正品行货,精致服务 天天低价,畅选无忧
购物指南
购物流程
会员介绍
生活旅行/团购
常见问题
大家电
联系客服
配送方式
上门自提
211限时达
配送服务查询
配送费收取标准
海外配送
支付方式
货到付款
在线支付
分期付款
邮局汇款
公司转账
售后服务
售后政策
价格保护
退款说明
返修/退换货
取消订单
特色服务
夺宝岛
DIY装机
延保服务
京东E卡
京东通信
京东JD+