*完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考,以到貨標的為正確資訊。 印行年月:202405*若逾兩年請先於私訊洽詢存貨情況,謝謝。 台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。 書名:BP網絡結構優化與模型規範 ISBN:9787030784377 出版社:科學 著編譯者:李祚泳 頁數:236 所在地:中國大陸 *此為代購商品 書號:1647225 可大量預訂,請先連絡。 內容簡介 本書針對BP網路存在的某些基本問題,提出用新概念廣義復相關係數R。定量描述樣本集的複雜性;建立含參數的BP網路檢測誤差E的定量關係表達式;導出具有最佳泛化能力的BP網路隱節點數H與樣本集的R之間滿足的關係式;給出BP網路泛化能力與學習能力之間滿足的幾種形式的過擬合不確定關係式;指出改進BP網路泛化能力的最佳停止訓練法。同時,還提出基於規範變換的前向神經網路普適評價模型和與相似樣本誤差修正法相結合的普適預測模型,並對模型的普適性和可靠性及同型規範變換的預測模型之間的兼容性和等效性進行數學論證。本書中規範變換的思想及方法對其他學科、領域的研究有借鑒和啟迪作用。 本書可供人工智慧、神經網路、電子工程、信息科學、計算機科學、系統工程及環境科學與工程等學科、專業博士、碩士研究生閱讀,亦可供高校教師和科研院所的科研及管理人員參考。目錄 第1章 緒論1 1 神經網路發展簡介 1 2 神經網路模型的分類 1 3 神經網路模型的應用 1 4 本書的主要內容 參考文獻 第2章 BP網路簡介 2 1 BP網路模型的基本思想 2 2 BP網路演算法的學習過程 2 3 BP網路的主要能力 2 4 BP演算法的局限性 2 5 BP演算法的改進 2 6 BP網路的結構設計方法 2 7 BP演算法若干注意事項 參考文獻 第3章 提高BP演算法學習效率的方法 3 1 基於改進粒子群演算法的BP網路權值優化演算法 3 1 1 粒子群演算法 3 1 2 粒子群演算法優化BP網路權值的新方法 3 1 3 基於改進粒子群演算法的BP網路權值優化的模擬實驗 3 2 基於蟻群演算法的BP網路權值優化演算法 3 2 1 蟻群演算法 3 2 2 基於蟻群演算法的BP網路模型 3 2 3 基於蟻群演算法的BP網路權值優化的模擬實驗 3 3 基於免疫進化演算法的BP網路權值優化演算法 3 3 1 免疫進化演算法 3 3 2 基於免疫進化演算法的BP網路模型 3 4 基於禁忌搜索演算法的BP網路權值優化演算法 3 4 1 禁忌搜索演算法 3 4 2 基於禁忌搜索演算法的BP網路模型 3 5 新疆伊犁河雅馬渡站年徑流量的IEA-BP和TS-BP預測模型 3 5 1 資料來源及模型的建立 3 5 2 三種BP網路模型計算結果的分析與比較 3 6 本章小結 參考文獻 第4章 BP網路結構優化 4 1 BP網路泛化能力與網路結構之間關係的研究進展 4 2 BP網路泛化能力表示式 4 2 1 BP網路泛化能力與網路結構和樣本複雜性之間關係的分析 4 2 2 BP網路泛化能力的一般表示式 4 3 具有*佳泛化能力的BP網路隱節點數H0滿足的反比關係式 4 3 1 BP網路*佳隱節點數H0滿足的H0-Rn反比關係式的建立 4 3 2 廣義復相關係數Rn的計算 4 4 *佳泛化能力的泛化誤差表達式中參數α和β的優化 4 4 1 構建模擬測試函數和網路結構進行模擬實驗 4 4 2 參數α和β的優化 4 5 模型的可靠性分析和驗證 4 5 1 *小檢測誤差公式的可靠性分析 4 5 2 模型的驗證 4 6 本章小結 4 6 1 具有*佳泛化能力的BP網路結構的建立過程及檢驗過程 4 6 2 本章的主要結果 4 6 3 分析與比較 4 6 4 結論 參考文獻 第5章 H0-Rn關係式用於BP網路預測建模的實證檢驗 5 1 基於隱節點數H0-Rn關係式的BP網路預測建模步驟 5 2 基於H0-Rn的BP網路的洛河某河段BOD5預測 5 3 基於H0-Rn的BP網路的青弋江寶塔根斷面CODCr預測 5 4 基於H0-Rn的BP網路的南昌市降水pH預測 5 5 基於H0-Rn的BP網路的郭庄泉流量預測 5 6 基於H0-Rn的BP網路的灤河地下水位預測 5 7 基於H0-Rn的BP網路的伊犁河雅馬渡站年徑流量預測 5 8 基於H0-Rn的BP網路的某水庫年徑流量預測 5 9 不同結構的BP網路的實例預測結果比較 5 10 本章小結 參考文獻 第6章 BP網路過擬合不確定關係式的幾種表示式 6 1 BP網路過擬合滿足的測不準關係式 6 1 1 BP網路權值改變與辨識誤差滿足的過擬合測不準關係式 6 1 2 數值模擬實驗 6 1 3 過擬合判別式 6 1 4 結論 6 2 BP網路過擬合不確定關係的改進式 6 2 1 改進后的BP網路的不確定關係式 6 2 2 確定過擬合參數p值的數值模擬實驗 6 2 3 不確定關係式可判定建模過程中是否出現過擬合 6 2 4 結論 6 3 BP網路學習能力與泛化能力之間滿足的不確定關係式 6 3 1 BP網路學習能力及泛化能力與其他因素之間的不確定關係式 6 3 2 確定過擬合參數值q的數值模擬實驗 6 3 3 不確定關係式的幾點討論 6 3 4 根據逼近誤差要求和樣本複雜性選取隱節點數 6 3 5 BP網路隱節點數確定公式合理性的驗證 6 3 6 改進BP網路泛化能力的*佳停止訓練法 6 3 7 結論 6 4 基於廣義復相關係數的過擬合關係式 6 4 1 基於廣義復相關係數建立的過擬合關係式 6 4 2 過擬合參數的數值模擬實驗 6 4 3 基於人工蜂群演算法的過擬合參數q?的優化 6 4 4 兩個不同表示的不確定關係式的比較 6 4 5 由訓練精度確定的*佳隱節點數計算公式 6 4 6 由訓練精度確定的*佳隱節點數的模擬實驗 6 5 本章小結 參考文獻 第7章 NV-FNN的普適評價模型及實例驗證 7 1 NV-FNN的普適評價模型 7 1 1 NV-FNN的普適評價模型建立的基本思想 7 1 2 指標值的規範變換式和參數的設置 7 1 3 適用於任意系統的NV-FNN評價模型 7 1 4 任意系統的NV-FNN評價模型的建立步驟 7 2 任意系統的NV-FNN評價模型的可靠性分析 7 3 NV-FNN評價模型用於環境質量評價 7 3 1 濟南市空氣質量的NV-FNN評價模型 7 3 2 天津市塘沽區地表水水質的NV-FNN評價模型 7 3 3 黑龍洞泉域地下水水質的NV-FNN評價模型 7 3 4 武漢市東湖富營養化的NV-FNN評價模型 7 4 NV-FNN評價模型用於水資源 詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |