000
02257nam 2200325 450
001
CAL 012025127161
005
20260611124231.0
010
@ a978-7-5763-5216-0@ dCNY148.00
100
@ a20250610d2025 em y0chiy50 ea
101
1
@ achi@ ceng
102
@ aCN@ b110000
105
@ aa a 000yy
106
@ ar
200
1
@ a人工神经网络原理:从基础设计到深度学习@ Aren gong shen jing wang luo yuan li@ f(美) 丹尼尔·格劳佩著@ d= Principles of artificial neural networks@ ebasic designs to deep learning@ fDaniel Graupe@ g韩光辉译@ zeng
210
@ a北京@ c北京理工大学出版社@ d2025.03
215
@ a429页@ c图@ d24cm
225
2
@ a人工智能核心技术体系译丛@ Aren gong zhi neng he xin ji shu ti xi yi cong
314
@ a丹尼尔·格劳佩 (DanielGraupe), 在英国利物浦大学获得电气工程博士学位, 美国伊利诺伊大学芝加哥分校 (UIC) 电气与计算机工程系的荣誉退休教授, 1985年成为IEEE会员, 2003年成为IEEE终身会员。韩光辉, 2018年获得北京理工大学工学博士学位, 中山大学博士后, 现为华北水利水电大学副教授, 研究生导师。
320
@ a有书目 (第411-429页)
330
@ a本书基本涵盖了人工神经网络纵向发展历程中的主要节点技术, 能够满足需要系统学习的读者需求。第1章内容高屋建瓴, 涉及人工神经网络的引入及其角色。第2-3章介绍生物神经网络基础和人工神经网络原理, 第4-5章分别介绍单层/多层感知器和Madaline网络, 第6章介绍经典和改进的反向传播算法。第7-8章分别介绍霍普菲尔德 (Hopfield) 网络和对偶传播 (CounterPropagation) 网络, 第9章介绍更接近生物神经网络的自适应共振 (ART) 网络。第10章介绍神经认知机, 这是后来卷积神经网络发展的灵感来源, 而卷积神经网络引领深度学习成为当代人工智能的主流技术。第11章介绍神经网络的统计 (随机) 训练知识, 第12章介绍循环神经网络。第13章介绍深度学习神经网络的原则及范围, 第14-15章分别介绍卷积神经网络和LAMSTAR神经网络, 最后第16章是内容广泛的比较案例研究。
410
0
@ 12001 @ a人工智能核心技术体系译丛
500
10
@ aPrinciples of artificial neural networks : basic designs to deep learning@ mChinese
517
1
@ a从基础设计到深度学习@ Acong ji chu she ji dao shen du xue xi
606
0
@ a人工神经网络@ Aren gong shen jing wang luo@ x机器学习
690
@ aTP18@ v5
701
1
@ a格劳佩@ Age lao pei@ g(Graupe, Daniel)@ 4著
702
0
@ a韩光辉@ Ahan guang hui@ 4译
801
0
@ aCN@ b人天书店@ c20250610
905
@ b21526598-600@ dTP18@ e500@ f3
999
@ b21526598-600@ dTP18@ f3
人工神经网络原理:从基础设计到深度学习/(美) 丹尼尔·格劳佩著= Principles of artificial neural networks：basic designs to deep learning/Daniel Graupe/韩光辉译.-北京：北京理工大学出版社，2025.03 429页：图；24cm.-(人工智能核心技术体系译丛) ISBN 978-7-5763-5216-0：CNY148.00 本书基本涵盖了人工神经网络纵向发展历程中的主要节点技术, 能够满足需要系统学习的读者需求。第1章内容高屋建瓴, 涉及人工神经网络的引入及其角色。第2-3章介绍生物神经网络基础和人工神经网络原理, 第4-5章分别介绍单层/多层感知器和Madaline网络, 第6章介绍经典和改进的反向传播算法。第7-8章分别介绍霍普菲尔德 (Hopfield) 网络和对偶传播 (CounterPropagation) 网络, 第9章介绍更接近生物神经网络的自适应共振 (ART) 网络。第10章介绍神经认知机, 这是后来卷积神经网络发展的灵感来源, 而卷积神经网络引领深度学习成为当代人工智能的主流技术。第11章介绍神经网络的统计 (随机) 训练知识, 第12章介绍循环神经网络。第13章介绍深度学习神经网络的原则及范围, 第14-15章分别介绍卷积神经网络和LAMSTAR神经网络, 最后第16章是内容广泛的比较案例研究。 ●
预约/预借
序号
登录号
条形码
馆藏地/架位号
状态
备注
1
1526598
215265987
十四楼书库/
[索取号:TP18/500]
在馆
架位导航
2
1526599
215265996
十四楼书库/
[索取号:TP18/500]
在馆
架位导航
3
1526600
215266003
十四楼书库/
[索取号:TP18/500]
在馆
架位导航
