神经网络在七十余年的发展历程中， 虽几经沉浮， 但仍已发展成为国际学术、产业及国家发展的焦点和热点，已成为未来创新社会发展的动力。本书从认知神经科学出发阐述了神经计算的范畴、历史与发展、基本原理等内容。全书共17章，分为两个部分： 第一部分（第1~10章）从神经网络计算的生物学基础出发，论述了前馈神经网络、反馈神经网络、竞争学习神经网络以及新兴的进化神经网络、正则神经网络、支撑矢量机网络、模糊神经网络、多尺度神经网络等模型与学习算法； 第二部分（第11~17章）论述了新近发展的深度网络模型与学习算法，包括自编码网络、卷积神经网络、生成式对抗网络、循环神经网络、图神经网络等及其在文本、图像模式识别、图像感知等领域的应用，其中在第16章的深度学习进阶中，论述了稀疏编码分类及应用、相关网络学习与训练的实例，以供有兴趣的读者进一步探索实践。 本书可作为高等院校计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能、大数据、图像感知等相关专业本科生或研究生的教材， 同时也可为相关领域的科研人员提供参考。
鄂公网安备 42010302001612号 