【大规模人工神经网络理论基础】罗四维.pdf

高等学校教材大规模人工神经网络理论基础罗四维著

前言在过去的10多年中,人们在非线性和复杂系统的控制及建模研究方面取得了相当多的成果。人工神经网络理论作为非线性复杂系统的支撑之一,具有不同于现代计算机的处理方法和特殊的能力,具有宽广的应用前景,引起了多领域科学家和学者的兴趣。医学研究者、认知科学家、数学家、物理学家、信息工程专家利用各自在不同领域知识的特长,从不同角度潜心于人工神经网络的研究。因此,神经网络的研究刺激了多领城知识的交叉和相互融合.人工神经网络是一门新兴的信息处理科学,它以人的大脑工作模式为基础,研究自适应、非程序的信息处理本质。

前言 Ⅲ 学习算法。本章以玻耳兹曼机器为对象,讨论了采用热力学、统计物理和信息熵的方法来分析解决大规模复杂系统的基本思想。在本章的最后,我们讨论了EM学习算法。EM学习算法是统计模型参数估计的一种算法,该算法通过交替搜索方法使样本的邻域函数最大化,因此EM学习算法思想适于复杂结构网络的讨论.第6章是以新的理论框架对传统人工神经网络基本的变换能力给予理论上的形式化描述,其中包括前馈网络网络的变换机理、自组织神经网络结构的竞争特性和机理、神经网络的统计模型表示。本章还讨论了人工神经网络的指数流形与弯曲指数簇流形表示,最后讨论了神经场表示和神经场学习理论。